基于文本提示的拓扑无关动物运动生成

运动生成是计算机动画的基本任务，广泛应用于娱乐、机器人和虚拟环境领域。虽然近期方法取得了令人印象深刻的成果，但大多依赖固定的骨骼模板，限制了其对不同或扰动拓扑骨骼的泛化能力。为此，我们提出了解决当前运动生成方法核心限制的方案，即缺乏大规模异构动物运动数据以及统一的生成框架，后者能够联合建模任意骨骼拓扑和文本条件。为此，我们引入OmniZoo——一个覆盖140种动物、包含32,979个序列的大规模动物运动数据集，已获得多模态注释。基于OmniZoo，我们提出了一种通用的自回归运动生成框架，能够为任意骨骼拓扑生成文本驱动运动。我们模型的核心是一种拓扑感知骨骼嵌入模块，将任意骨骼的几何和结构属性编码到共享的标记空间，以实现与文本语义的无缝融合。给定文本提示和目标骨骼，本方法可生成在时序上连贯、在物理上可行且在语义上对齐的运动，并进一步支持跨种群运动风格迁移。