基于稀疏锚定姿态课程学习的渐进式运动生成
计算机视觉与模式识别
2025-04-24 v1 人工智能
摘要
在计算机动画、游戏设计和人机交互领域，合成符合用户意图的 human motion 仍是一大挑战。现有方法存在明显局限：文本方法提供高层语义指导但难以准确描述复杂动作；基于轨迹的方法提供直观的全局运动方向，但在生成精确或定制化的人物动作方面常常不足；锚定姿态导向的方法通常仅能合成简单运动模式。为生成更可控且精确的人类运动，我们提出了一种新框架 ProMoGen（Progressive Motion Generation），集成轨迹引导与稀疏锚定姿态控制。全局轨迹确保空间方向和位移的一致性，而稀疏锚定姿态仅提供精确的动作指导，不涉及位移。这种解耦使两者能够独立优化，实现更可控、更高保真且更为精细的运动合成。ProMoGen 支持双模控制与单模控制于统一的训练流程。此外，我们认识到直接从稀疏运动学习天然不稳定，引入 SAP-CL（Sparse Anchor Posture Curriculum Learning），一种课程学习策略，通过逐渐调整用于指导的锚定姿态数量，从而实现更精确稳定的收敛。大量实验表明，ProMoGen 在由预定义轨迹和任意锚定帧引导下，能够出色地合成生动多样的运动。该方法无缝整合了个人化运动与结构化指导，在多种控制场景中显著优于最先进的方法。
引用
@article{arxiv.2504.16722,
title = {PMG: Progressive Motion Generation via Sparse Anchor Postures Curriculum Learning},
author = {Yingjie Xi and Jian Jun Zhang and Xiaosong Yang},
journal= {arXiv preprint arXiv:2504.16722},
year = {2025}
}