SPG：通过平滑扰动引导改进运动扩散
计算机视觉与模式识别
2025-03-05 v1
摘要
本文提出了一种测试时引导方法，旨在无需额外训练的情况下提升人体运动扩散模型的输出质量。为了实现负向引导，平滑扰动引导（SPG）通过在去噪步骤中对运动进行时间平滑来构建一个弱模型。与源自图像生成领域的模型无关方法相比，SPG 有效缓解了扰动运动扩散模型时的分布外问题。在 SPG 引导中，运动结构的本质保持不变。这项工作在不同的模型架构和任务上进行了全面分析。尽管其实现极其简单且无需额外训练要求，SPG 仍能持续提升运动保真度。项目页面可在 https://spg-blind.vercel.app/ 找到。
引用
@article{arxiv.2503.02577,
title = {SPG: Improving Motion Diffusion by Smooth Perturbation Guidance},
author = {Boseong Jeon},
journal= {arXiv preprint arXiv:2503.02577},
year = {2025}
}