ParTY：用于表达性文本到运动合成的部件指导
计算机视觉与模式识别
2026-03-11 v1
摘要
文本到运动合成旨在从文本描述生成自然且具有表达性的人类动作。虽然现有方法主要聚焦于从文本描述生成整体运动，但难以准确反映涉及特定身体部位的动作。近期的部件级运动生成方法试图解决此问题，但面临两个关键局限：（i）缺乏将文本语义与单个身体部位显式对齐的机制；（ii）由于集成独立生成的部件运动，往往生成不连贯的全身运动。为克服这些问题并解决现有方法所面临的根本权衡，本文提出ParTY框架，在生成连贯的全身运动的同时增强部件表达性。ParTY包括：（1）部件指导网络，首先生成部件运动以获得部件指导，然后利用其生成整体运动；（2）部件感知文本对齐，将文本嵌入进行多样化变换并与每个身体部位恰当地对齐；（3）整体-部件融合，适时融合整体运动与部件运动。大量实验，包括部件水平和连贯性水平评估，表明ParTY在改进前方法方面取得了显著进展。
引用
@article{arxiv.2603.09611,
title = {ParTY: Part-Guidance for Expressive Text-to-Motion Synthesis},
author = {KunHo Heo and SuYeon Kim and Yonghyun Gwon and Youngbin Kim and MyeongAh Cho},
journal= {arXiv preprint arXiv:2603.09611},
year = {2026}
}
备注
Accepted by CVPR 2026. Code: https://github.com/VisualScienceLab-KHU/ParTY