ST-GDance：从音乐生成长期且无碰撞的群体舞蹈编排
人工智能
2025-07-31 v2
摘要
从音乐生成群体舞蹈在电影、游戏和动画制作中具有广泛应用前景。然而，这一任务需要在保持空间协调的同时同步多个舞者。随着舞者数量和序列长度的增加，该任务面临更高的计算复杂度和更大的动作碰撞风险。现有方法往往难以建模密集的时空相互作用，导致可扩展性问题和多舞者碰撞。为解决这些挑战，我们提出了ST-GDance框架，采用无缝解耦空间与时间依赖性的方法，以优化长期且无碰撞的群体舞蹈编排。我们采用轻量级图卷积进行距离感知的空间建模，采用加速稀疏注意力进行高效的时间建模。该设计显著降低了计算成本，同时确保平滑且无碰撞的互动。基于AIOZ-GDance数据集的实验表明，ST-GDance在生成长且连贯的群体舞蹈序列方面优于领先的基线方法。项目页面：https://yilliajing.github.io/ST-GDance-Website/。
引用
@article{arxiv.2507.21518,
title = {ST-GDance: Long-Term and Collision-Free Group Choreography from Music},
author = {Jing Xu and Weiqiang Wang and Cunjian Chen and Jun Liu and Qiuhong Ke},
journal= {arXiv preprint arXiv:2507.21518},
year = {2025}
}
备注
10 pages, 3 figures. Accepted at BMVC 2025