STaR：融合渗透与一致性约束的无缝时空感知运动重目标

运动重目标旨在忠实复制源角色在目标角色（具有不同身形）上的时空运动特征。除了保持运动语义外，确保几何可行性和维持时序一致性也是有效运动重目标的关键。然而，许多现有方法要么优先考虑几何可行性，要么优先考虑时序一致性。忽略几何可行性会导致相互穿透，而忽略时序一致性则导致运动抖动。本文提出一种新型序列到序列模型，用于无缝时空感知运动重目标 (STaR)，并包含渗透与一致性约束。STaR 由两个模块组成：(1) 集成稠密形状表示和新颖肢体渗透约束的空间模块，以确保在保持运动语义的同时实现几何可行性；(2) 利用时空 transformer 和新颖时序一致性约束的时序模块，一次性预测整个运动序列，同时实现多层轨迹平滑。两个模块的无缝组合使我们能够在语义、几何与时序目标之间取得良好平衡。在 Mixamo 和 ScanRet 数据集上的大量实验表明，我们的方法产生了符合逻辑且连贯的运动，显著降低了与其他方法相比的相互穿透率。代码页面：https://github.com/XiaohangYang829/STaR。