PP-Motion：面向人体运动生成的物理-感知保真度评估
计算机视觉与模式识别
2026-02-20 v3 多媒体
摘要
人体运动生成已在 AR/VR、电影、体育和医学康复等领域得到广泛应用，为传统运动捕捉系统提供了一种经济高效的替代方案。然而，评估此类生成运动的保真度是一项至关重要且多方面的任务。尽管先前的方法尝试使用人类感知或物理约束进行运动保真度评估，但人类感知的保真度与物理可行性之间仍存在固有差距。此外，人类感知的主观且粗糙的二值标签进一步阻碍了鲁棒数据驱动指标的发展。我们通过引入一种物理标注方法来解决这些问题。该方法通过计算使运动符合物理定律所需的最小修改量来评估运动保真度。借助这种方法，我们能够生成细粒度、连续的物理对齐标注，作为客观的真实值。基于这些标注，我们提出了 PP-Motion，这是一种新颖的数据驱动指标，用于评估人体运动的物理和感知保真度。为了有效捕捉潜在的物理先验，我们在训练指标时采用了皮尔逊相关损失。此外，通过结合基于人类的感知保真度损失，我们的指标能够捕捉到同时考虑人类感知和物理对齐的保真度。实验结果表明，我们的指标 PP-Motion 不仅符合物理定律，而且比先前的工作更符合人类对运动保真度的感知。
引用
@article{arxiv.2508.08179,
title = {PP-Motion: Physical-Perceptual Fidelity Evaluation for Human Motion Generation},
author = {Sihan Zhao and Zixuan Wang and Tianyu Luan and Jia Jia and Wentao Zhu and Jiebo Luo and Junsong Yuan and Nan Xi},
journal= {arXiv preprint arXiv:2508.08179},
year = {2026}
}
备注
Accepted by ACM Multimedia 2025