SMCD：基于 Mamba 的高真实感运动风格迁移
计算机视觉与模式识别
2025-06-11 v2
摘要
运动风格迁移是计算机视觉领域的一个重要研究方向，使虚拟数字人能够快速切换不同相同运动的风格，从而显著增强运动的丰富性和真实感。这在影视、游戏和元宇宙等多媒体场景中得到广泛应用。然而，大多数现有方法采用双流结构，忽略内容和风格运动之间的内在关系，导致信息丢失和对齐不足。此外，在处理长程运动序列时，这些方法难以有效学习时序依赖性，最终导致生成运动不自然。为此，我们提出统一运动风格扩散 (UMSD) 框架，同时从内容和风格运动中提取特征，促进充分的信息交互。此外，我们引入运动风格 Mamba (MSM) 去噪器，首次在运动风格迁移领域利用 Mamba 的强大序列建模能力。更好地捕获时序关系，生成更连贯的风格化运动序列。第三，我们设计基于扩散的内容一致性损失和风格一致性损失以约束框架，确保继承内容运动的同时有效学习风格运动的特征。最后，大量实验表明，我们的方法在定性和定量上均优于现有 SOTA 方法，实现更真实、更连贯的运动风格迁移。
引用
@article{arxiv.2405.02844,
title = {SMCD: High Realism Motion Style Transfer via Mamba-based Diffusion},
author = {Ziyun Qian and Zeyu Xiao and Xingliang Jin and Dingkang Yang and Mingcheng Li and Zhenyi Wu and Dongliang Kou and Peng Zhai and Lihua Zhang},
journal= {arXiv preprint arXiv:2405.02844},
year = {2025}
}