基于变分相位流形学习的可扩展群体编舞

从音乐中生成群体舞蹈动作是一项具有多个工业应用价值的任务。尽管已提出多种方法来解决此问题，但大多数方法侧重于优化舞蹈动作的保真度，受限于数据集中预设的舞者数量。这一限制阻碍了向实际应用的灵活适应。本研究从而解决群体编舞的可扩展性问题，同时保持自然性和同步性。具体而言，我们提出一种基于相位的变分生成模型，用于学习群体舞蹈的生成流形。该方法实现了高保真度的群体舞蹈动作生成，并能够在仅使用最小且恒定内存的情况下生成任意数量的舞者。大量在两大公开数据集上的实验表明，我们的方法在最新方法中取得显著优势，且可扩展至训练数据之外的大量舞者数量。