通过平衡得分扩散模型实现无条件人类运动与形状生成
计算机视觉与模式识别
2025-10-15 v1 人工智能
摘要
近期工作探索了人类运动生成的多种模型族，包括变分自编码器（VAEs）、生成对抗网络（GANs）和扩散模型。尽管二者有所不同，许多方法依赖于过参数化的输入特征和辅助损失以改进实证结果。这些策略在严格意义上不应是扩散模型匹配人类运动分布所必需的。我们展示了在仅使用谨慎的特征空间归一化和从标准 L2 得分匹配损失中推导出的解析权重的情况下，即可实现与无条件人类运动生成领域的状态最佳结果相当的性能，同时直接生成运动和形状，从而避免从关节进行慢速的事后形状恢复。我们逐步构建该方法，为每个组件提供清晰的理论动机，并提供针对性的消融实验，证明每个提议添加物在孤立情况下都有效。
引用
@article{arxiv.2510.12537,
title = {Unconditional Human Motion and Shape Generation via Balanced Score-Based Diffusion},
author = {David Björkstrand and Tiesheng Wang and Lars Bretzner and Josephine Sullivan},
journal= {arXiv preprint arXiv:2510.12537},
year = {2025}
}