Executing your Commands via Motion Diffusion in Latent Space
Tencent PCG(腾讯平台与内容事业群);Fudan University(复旦大学)
针对条件人体运动生成任务,提出基于运动潜在空间的扩散模型MLD,通过VAE提取低维潜在表示并在其上执行扩散,显著提升了生成质量并大幅降低了计算开销。
2023-05-19 cs.CV cs.GR
Human Motion Diffusion as a Generative Prior
Tel-Aviv University(特拉维夫大学)
本文提出基于扩散先验的顺序、并行和模型三种组合方式,分别解决长序列生成、双人交互和细粒度控制问题,并引入DoubleTake、ComMDM和DiffusionBlending方法,实验验证其有效性。
2023-08-30 cs.CV cs.GR
Aligning Human Motion Generation with Human Perceptions
Peking University(北京大学);Huawei Technologies, Ltd.(华为技术有限公司)
本文提出数据驱动的MotionPercept数据集和MotionCritic评论模型,以人类感知对齐评估与改进人体运动生成质量。
2025-01-23 cs.CV cs.GR
MotionDreamer: Exploring Semantic Video Diffusion features for Zero-Shot 3D Mesh Animation
Delft University of Technology(代尔夫特理工大学)
本文提出MotionDreamer,一种基于视频扩散模型提取运动先验的零样本3D网格自动重动画技术,利用扩散特征提升运动拟合精度,兼容现有图形管线,并在用户研究中优于现有方法。
2024-11-14 cs.CV cs.GR
Hyper Diffusion Avatars: Dynamic Human Avatar Generation using Network Weight Space Diffusion
University of Bonn(波恩大学);Max Planck Institute for Informatics(马克斯·普朗克研究所(信息学))
提出一种结合特定人物渲染与扩散生成建模的两阶段方法,通过优化人物特定UNet并训练超扩散模型生成网络权重,实现高真实感和姿态相关变形的动态人体化身生成,性能优于现有方法。
2025-09-08 cs.CV cs.GR
PhysDiff: Physics-Guided Human Motion Diffusion Model
NVIDIA(英伟达)
针对现有运动扩散模型忽略物理定律、生成运动存在物理伪影的问题,提出PhysDiff模型,通过物理运动投影模块迭代引导扩散过程,实现最先进的运动质量,大幅提升物理可信度。
2023-08-18 cs.AI cs.CV cs.GR
EMDM: Efficient Motion Diffusion Model for Fast and High-Quality Motion Generation
University of Cambridge(剑桥大学);The University of Hong Kong(香港大学);University of Pennsylvania(宾夕法尼亚大学);Shanghai AI Laboratory(上海人工智能实验室);Texas A&M University(德克萨斯农工大学)
本文提出高效运动扩散模型 EMDM,通过条件去噪扩散 GAN 在少步采样下捕捉复杂多模态分布并结合几何损失,实现实时且高质量的人体运动生成。
2024-11-23 cs.AI cs.CV cs.GR
Causal Motion Diffusion Models for Autoregressive Motion Generation
LY Corporation(LY公司);Waseda University(早稻田大学)
本文提出因果运动扩散模型,通过因果扩散变换器实现高质量运动生成,提升语义保真度与时间平滑度,同时减少推理延迟。
2026-02-26 cs.CV
Diffusion Motion: Generate Text-Guided 3D Human Motion by Diffusion Model
Michigan State University(密歇根州立大学);Baidu Research (USA)(百度研究院(美国))
本文提出利用去噪扩散概率模型从复杂自然语言描述生成3D人体运动,通过无分类器引导融合文本嵌入,在HumanML3D上取得有竞争力结果并支持零样本生成。
2023-04-14 cs.CV
Text-driven Human Motion Generation with Motion Masked Diffusion Model
University College London(伦敦大学学院)
本文提出运动掩码扩散模型MMDM,通过时间帧掩码和身体部位掩码增强扩散模型对时空关系的上下文推理能力,在HumanML3D和KIT-ML上有效平衡了运动质量与文本-运动一致性。
2024-09-29 cs.CV
EnergyMoGen: Compositional Human Motion Generation with Energy-Based Diffusion Model in Latent Space
ReLER, AAII, University of Technology Sydney(技术悉尼大学);CCAI, Zhejiang University(浙江大学)
本文提出 EnergyMoGen,通过隐空间感知能量模型与语义感知能量模型的协同能量融合,解决隐扩散模型在多语义概念组合动作生成中的不一致与失真问题,在文本到动作、组合式及多概念动作生成任务上超越现有最先进模型,并可用于扩展动作数据集。
2025-06-04 cs.CV
Unifying Human Motion Synthesis and Style Transfer with Denoising Diffusion Probabilistic Models
Durham University(杜伦大学)
数字人的真实感运动生成是计算机动画和游戏的核心,但具有挑战性的一部分,因为人类的运动内容多样,风格丰富。虽然最新的深度学习方法在这一领域取得了重大进展,但它们大多将运动合成和风格操作视为两个独立的问题。这主要是由于在一个共同的表示中有效地学习解释类间行为的运动内容和解释类内行为的风格的挑战。为了解决这个问题,我们提出了一个去噪扩散概率模型解决方案风格化的运动合成。由于扩散模型具有注入随机性带来的高容量,我们可以在同一个潜伏期中表示类间运动内容和类内风格行为。这导致了一个集成的、端到端的训练管道,有助于生成最佳运动和探索内容风格的耦合潜在空间。为了实现高质量的结果,我们设计了一个多任务架构的扩散模型,战略性地产生方面的人体运动的局部指导。我们还为全球指导设计对抗性和物理性法规。我们展示了卓越的性能与定量和定性的结果,并验证了我们的多任务架构的有效性。
2022-12-16 cs.AI cs.CV cs.GR
No MoCap Needed: Post-Training Motion Diffusion Models with Reinforcement Learning using Only Textual Prompts
University of Florence(佛罗伦萨大学)
提出基于强化学习的后训练框架,仅用文本提示微调预训练运动扩散模型,无需动作捕捉数据,通过检索网络奖励和去噪扩散策略优化提升生成质量与多样性。
2025-10-08 cs.CV
Motion Guidance: Diffusion-Based Image Editing with Differentiable Motion Estimators
University of Michigan(密歇根大学)
针对扩散模型难以精确编辑图像中物体布局、姿态等的问题,提出零样本运动引导技术,通过光流网络梯度引导扩散采样,实现指定运动场的高质量图像运动编辑。
2024-01-31 cs.CV
Monkey See, Monkey Do: Harnessing Self-attention in Motion Diffusion for Zero-shot Motion Transfer
Tel Aviv University(特拉维夫大学);Reichman University(莱希曼大学)
本文提出MoMo方法,利用预训练运动扩散模型的自注意力机制实现零样本运动迁移,无需训练即可在推理时完成风格迁移、空间编辑及真实与生成运动的编辑。
2024-06-10 cs.AI cs.CV cs.GR
HumanNorm: Learning Normal Diffusion Model for High-quality and Realistic 3D Human Generation
Northwestern Polytechnical University(西北工业大学);Tsinghua University(清华大学)
HumanNorm通过法向自适应与法向对齐扩散模型增强三维几何感知,并结合渐进几何生成策略与多步SDS损失,实现高质量逼真三维人体生成。
2023-11-29 cs.CV
M2D2M: Multi-Motion Generation from Text with Discrete Diffusion Models
Honda Research Institute USA(美国本田研究所);Purdue University(普渡大学)
提出M2D2M,利用离散扩散模型的动态转移概率和两阶段采样,从多动作文本生成连贯平滑的人体动作序列,超越现有最先进基准。
2024-07-19 cs.CV
Optimizing Diffusion Noise Can Serve As Universal Motion Priors
ETH Zürich(苏黎世联邦理工学院);UC Berkeley(加州大学伯克利分校);VISTEC(泰国科学技术研究院);Google(谷歌公司)
本文提出 DNO,通过优化预训练文本到运动扩散模型的潜噪声并经全去噪链路回传运动目标梯度,在无需重训的情况下统一支持运动编辑、控制、去噪与补全。
2024-04-03 cs.CV
Interactive Character Control with Auto-Regressive Motion Diffusion Models
Simon Fraser University(西蒙菲莎大学);Shanghai AI Lab(上海人工智能实验室);Xmov(星移科技);NVIDIA(英伟达)
针对现有运动扩散模型多面向离线场景、难以支持实时时变控制的问题,提出采用简单MLP架构的自回归运动扩散模型A-MDM,结合多种交互式控制技术实现预训练模型的下游任务高效适配,性能优于现有最优自回归方法。
2024-08-16 cs.AI cs.CV cs.GR
Modiff: Action-Conditioned 3D Motion Generation with Denoising Diffusion Probabilistic Models
Beihang University(北京航空航天大学);Sun Yatsen University(中山大学);University of Pisa(比萨大学);University of Trento(特伦托大学);Jiangxi Research Institute, Beihang University(北京航空航天大学江西研究院)
基于扩散的生成模型最近已经成为多个领域高质量合成的强大解决方案。利用双向马尔可夫链,扩散概率模型通过基于在前向扩散过程中学习的分布映射推断反向马尔可夫链来生成样本。在这项工作中,我们提出了Modiff,一个有条件的范例,受益于去噪扩散概率模型(DDPM),以解决现实和多样化的动作条件的三维运动生成的问题。我们是一个开拓性的尝试,使用DDPM合成一个分类行动的条件下的运动序列的可变数量。我们在大规模NTU RGB+D数据集上评估了我们的方法,并显示了对最先进的运动生成方法的改进。
2023-03-28 cs.CV
Flexible Motion In-betweening with Diffusion Models
University of British Columbia(不列颠哥伦比亚大学);Tel-Aviv University(特拉维夫大学);Simon Fraser University(西蒙菲莎大学);NVIDIA(英伟达公司)
本文提出条件运动扩散插值(CondMDI)模型,利用扩散模型在关键帧和文本条件下生成多样且精确的人体运动,支持任意稀疏或密集的关键帧约束,并在HumanML3D数据集上验证了其有效性。
2024-05-23 cs.CV cs.GR cs.LG
SPG: Improving Motion Diffusion by Smooth Perturbation Guidance
Samsung Research(三星研究院)
本文提出无需额外训练的测试时引导方法SPG,通过在去噪步骤中对运动进行时间平滑构建弱模型以实现负向引导,有效缓解分布外问题并持续增强运动保真度。
2025-03-04 cs.CV
LaMD: Latent Motion Diffusion for Image-Conditional Video Generation
School of Remote Sensing and Information Engineering, Wuhan University(武汉大学遥感信息工程学院);Microsoft Research Asia(微软亚洲研究院)
针对图像条件视频生成中运动连贯性与采样效率的问题,提出LaMD框架,通过运动分解视频自动编码器压缩运动表示,结合扩散运动生成器高效生成真实运动,在多数据集上实现高质量视频生成并缩短采样时间。
2025-04-18 cs.CV
MotionShop: Zero-Shot Motion Transfer in Video Diffusion Models with Mixture of Score Guidance
Virginia Tech(弗吉尼亚理工大学)
本研究提出基于分数混合引导的扩散Transformer运动迁移方法MSG,可零样本作用于预训练视频扩散模型,适配多类运动迁移场景,同时推出首个专用运动迁移数据集MotionBench。
2024-12-06 cs.AI cs.CV
MotionMix: Weakly-Supervised Diffusion for Controllable Motion Generation
Huawei(华为)
针对现有可控3D人体运动生成扩散模型依赖高质量标注运动语料的问题,提出两阶段弱监督扩散框架MotionMix,利用带噪标注与未标注数据分别完成粗略生成与细化,在多项任务上达到SOTA性能。
2024-01-24 cs.CV
DiffusionPoser: Real-time Human Motion Reconstruction From Arbitrary Sparse Sensors Using Autoregressive Diffusion
Stanford University(斯坦福大学)
本文提出DiffusionPoser,一个无需重新训练即可从任意IMU和压力鞋垫组合实时重建全身运动的单一扩散模型,并通过自回归推理保证重建与传感器信号一致及未测量自由度的真实行为。
2024-03-28 cs.CV
Towards Detailed Text-to-Motion Synthesis via Basic-to-Advanced Hierarchical Diffusion Model
Sun Yat-sen University(中山大学);Tencent AI Lab(腾讯AI实验室);Xi’an Jiao Tong University(西安交通大学)
针对现有文本到动作扩散模型存在的模态不一致或细节匮乏问题,提出基础到进阶层次扩散模型B2A-HDM,结合低维基础扩散与高维进阶多去噪器扩散,在两个基准上实现了保真度、模态一致性和多样性的提升。
2023-12-18 cs.CV
Motion Style Slider: Endpoint-Supervised Continuous Style Control for Human Motion Diffusion
Institute of Science Tokyo(东京科学大学);Cygames, Inc.(Cygames 公司);The University of Tokyo(东京大学)
提出运动风格滑块框架,通过端点监督在嵌入空间构建风格方向,实现无需中间真值的连续单调风格强度控制,兼容预训练扩散模型并支持异构数据集。
2026-09-28 cs.CV
Can We Use Diffusion Probabilistic Models for 3D Motion Prediction?
Ulsan National Institute of Science and Technology(蔚山科学技术院);Technische Universität Wien(维也纳工业大学);German Aerospace Center(德国航空航天中心)
近年来,随着扩散概率模型在图像生成中的应用研究的不断深入,扩散概率模型在图像生成中的有效性也得到了越来越多的研究。在本文中,我们的目标是评估潜在的扩散概率模型的三维人体运动相关的任务。为此,本文提出了一种研究,采用扩散概率模型预测未来的三维人体运动(S)从以前观察到的运动。基于Human 3.6M和HumanEva-I数据集,我们的结果表明,在完成单个训练过程后,扩散概率模型对于单个(确定性)和多个(随机)3D运动预测任务都具有竞争力。此外,我们发现,扩散概率模型可以提供一个有吸引力的妥协,因为它们可以在预测的未来运动的可能性和多样性之间取得适当的平衡。我们的代码可在项目网站上公开获取:https://sites.google.com/view/diffusion-motion-prediction。
2023-02-28 cs.AI cs.CV
AMD:Anatomical Motion Diffusion with Interpretable Motion Decomposition and Fusion
Huazhong University of Science and Technology(华中科技大学)
本文提出AMD模型,利用LLM将文本解析为解剖学脚本,结合双分支融合方案平衡文本与脚本影响,在CLCD1、CLCD2等复杂动作数据集上性能优于现有SOTA模型。
2026-08-11 cs.CV
Video Diffusion Models are Training-free Motion Interpreter and Controller
S-Lab, Nanyang Technological University(南洋理工大学S-Lab);Wangxuan Institute of Computer Technology, Peking University(北京大学王选计算机研究所)
本文发现视频扩散模型中已存在鲁棒的运动感知特征,通过PCA提取并过滤出免训练的运动特征MOFT,提出了一个架构无关的免训练视频运动控制框架,在下游任务中表现出竞争力。
2024-11-12 cs.CV
MotionDiffuse: Text-Driven Human Motion Generation with Diffusion Model
Nanyang Technological University(南洋理工大学);SenseTime(商汤科技)
人体运动建模对于许多现代图形应用程序非常重要,这些应用程序通常需要专业技能。为了消除外行的技能障碍,最近的运动生成方法可以直接生成以自然语言为条件的人体运动。然而,它仍然具有挑战性,以实现多样化和细粒度的运动生成与各种文本输入。为了解决这个问题,我们提出了MotionDiffuse,第一个基于扩散模型的文本驱动的运动生成框架,它展示了几个所需的属性超过现有的方法。1)概率映射。MotionDiffuse不是确定性的语言-运动映射,而是通过一系列注入变化的去噪步骤生成运动。2)现实合成。MotionDiffuse擅长对复杂的数据分布进行建模并生成生动的运动序列。3)多级操纵。MotionDiffuse响应身体部位上的细粒度指令,以及具有随时间变化的文本提示的任意长度运动合成。我们的实验表明,MotionDiffuse在文本驱动运动生成和动作条件运动生成上的令人信服的边缘优于现有的SoTA方法。定性分析进一步证明了MotionDiffuse在全面运动生成方面的可控性。首页:https://mingyuan-zhang.github.io/projects/MotionDiffuse.html
2022-08-31 cs.CV
Aligning Diffusion Models by Optimizing Human Utility
University of California, Los Angeles(加利福尼亚大学洛杉矶分校);Panasonic AI Research(松下人工智能研究院);Salesforce AI Research(Salesforce人工智能研究院)
Diffusion-KTO通过最大化预期人类效用对齐文本到图像扩散模型,仅需简单的每张图像二元反馈信号,无需成对偏好数据或复杂奖励模型,在人类判断和自动评估指标上优于监督微调和Diffusion-DPO。
2024-10-11 cs.CV
Reconstruction-Anchored Diffusion Model for Text-to-Motion Generation
South China University of Technology(华南理工大学);Joy Future Academy(京东探索研究院)
针对文本驱动人体运动生成中预训练文本编码器存在表征差距及迭代去噪过程中误差传播问题,提出重建锚定扩散模型,利用运动潜在空间监督,采用自正则化等目标函数训练,还提出重建误差引导机制,实验表明性能显著提升。
2026-07-07 cs.CV
Moaw: Unleashing Motion Awareness for Video Diffusion Models
Tsinghua University(清华大学);Beihang University(北航)
Moaw通过训练视频扩散模型进行运动感知,实现零样本运动迁移,推动生成建模与运动理解的结合。
2026-01-19 cs.CV
HumanGif: Single-View Human Diffusion with Generative Prior
Sony AI(索尼人工智能实验室);Sony Group Corporation(索尼集团)
本文提出HumanGif,一种结合生成式先验的单视图人体扩散模型,通过引入Human NeRF模块和图像级损失,实现了单图到3D人体新视图与姿态的高质量、一致性合成,具有最佳感知性能和泛化能力。
2025-06-29 cs.CV
MDMP: Multi-modal Diffusion for supervised Motion Predictions with uncertainty
University of Michigan(密歇根大学)
本文提出多模态扩散模型MDMP,融合骨骼数据与文本描述生成带不确定性量化的长期运动预测,其基于图的transformer框架有效捕捉时空动态,在预测精度上优于现有生成技术,并显著提升人机交互的空间感知。
2025-06-01 cs.CV
DiffusionPhase: Motion Diffusion in Frequency Domain
The University of Hong Kong(香港大学);University of Pennsylvania(宾夕法尼亚大学);Texas A&M University(得克萨斯农工大学)
本文提出DiffusionPhase,通过参数化相位编码器和条件扩散模型在运动频域中实现文本驱动的人体运动生成,提升多样性、长序列质量与自然过渡。
2023-12-07 cs.CV cs.LG
Rethinking Diffusion for Text-Driven Human Motion Generation: Redundant Representations, Evaluation, and Masked Autoregression
Northeastern University(东北大学)
本文重新思考文本驱动人体运动生成,针对VQ离散方法的局限,提出基于扩散的掩码自回归模型,优化数据表示与分布,并引入更稳健评估,在多个数据集上达到最先进性能。
2025-07-08 cs.CV
MoAlign: Motion-Centric Representation Alignment for Video Diffusion Models
University of Amsterdam(阿姆斯特丹大学);Qualcomm AI Research(高通AI研究)
针对文本到视频扩散模型运动生成不合理的问题,提出MoAlign框架,从预训练视频编码器学习解耦运动子空间并对齐扩散模型潜特征,提升生成视频的物理合理性且保留文本遵循度。
2025-10-21 cs.CV
Distribution-Aligned Diffusion for Human Mesh Recovery
Singapore University of Technology and Design(新加坡科技设计大学);Lancaster University(兰卡斯特大学)
针对单张RGB图像恢复3D人体网格的不确定性问题,提出基于反向扩散过程的HMDiff框架,并引入DAT技术注入先验分布信息,在三个数据集上达到SOTA性能。
2023-10-25 cs.CV
Less is More: Improving Motion Diffusion Models with Sparse Keyframes
Seoul National University(首尔国立大学);Roblox(Roblox公司);The Chinese University of Hong Kong(香港中文大学)
针对稠密帧运动扩散计算冗余的问题,本文提出围绕稀疏几何关键帧的扩散框架,通过掩码、插值与推理时动态细化提升文本对齐、运动真实性及少步生成性能。
2025-05-12 cs.CV
ReinDiffuse: Crafting Physically Plausible Motions with Reinforced Diffusion Model
Tencent AI Lab(腾讯AI实验室);University of Technology Sydney(悉尼科技大学);Northwest A&F University(西北农林科技大学)
本文提出ReinDiffuse,结合强化学习与运动扩散模型,通过最大化物理合理奖励优化动作生成,在HumanML3D和KIT-ML数据集上显著提升了物理合理性与动作质量。
2024-10-15 cs.CV
Guided Motion Diffusion for Controllable Human Motion Synthesis
ETH Zürich(苏黎世联邦理工学院);VISTEC(VISTEC(泰国威差亚科技大学))
本文提出引导式运动扩散(GMD),通过特征投影、插补公式和密集引导方法将空间约束融入文本驱动的人体运动扩散生成过程,在提升生成质量的同时实现对运动轨迹和关键帧等空间条件的可控合成。
2023-10-29 cs.CV
SHIFT: Motion Alignment in Video Diffusion Models with Adversarial Hybrid Fine-Tuning
Tsinghua University(清华大学);Ant Group(蚂蚁集团);University of Chinese Academy of Science(中国科学院大学)
针对视频扩散模型微调后运动保真度下降的问题,提出基于像素通量动力学的像素运动奖励和SHIFT框架(平滑混合微调),通过对抗优势改进收敛并缓解奖励黑客,有效解决动态度坍塌。
2026-06-29 cs.CV
Diffusion-HPC: Synthetic Data Generation for Human Mesh Recovery in Challenging Domains
Stanford University(斯坦福大学)
针对生成模型难以保持合理人体结构的问题,提出Diffusion-HPC,通过注入人体结构先验生成带3D网格真值的逼真图像,以缓解人体网格恢复训练数据短缺并提升生成逼真度。
2023-12-31 cs.CV
MotionRAG-Diff: A Retrieval-Augmented Diffusion Framework for Long-Term Music-to-Dance Generation
Tongyi Lab, Alibaba Group(通义实验室,阿里巴巴集团)
针对长期音乐到舞蹈生成中时间连贯性与音乐对齐不足的问题,提出 MotionRAG-Diff 混合框架,通过跨模态对比学习、优化运动图检索与多条件扩散细化,实现高质量、高同步性的长期舞蹈生成。
2025-06-03 cs.CV cs.GR cs.SD
VideoControlNet: A Motion-Guided Video-to-Video Translation Framework by Using Diffusion Model with ControlNet
Beihang University(北京航空航天大学);University of Hong Kong(香港大学)
提出运动引导的视频到视频转换框架 VideoControlNet,利用带 ControlNet 的扩散模型生成首帧,并通过 MgPG 和 MgBI 模块结合运动信息生成关键帧与插值帧,实现了连续一致的视频生成。
2023-08-03 cs.CV
Diffusion-based 3D Hand Motion Recovery with Intuitive Physics
Rensselaer Polytechnic Institute(拉特格斯理工学院);Michigan State University(密歇根州立大学);IBM Research(IBM研究院)
提出一种基于扩散模型与直觉物理的三维手部运动恢复框架,仅用动作捕捉数据训练,通过迭代去噪细化运动估计,显著提升逐帧重建方法,在基准上达到SOTA性能。
2025-08-03 cs.CV
DiffusionSfM: Predicting Structure and Motion via Ray Origin and Endpoint Diffusion
Carnegie Mellon University(卡内基梅隆大学)
本文提出 DiffusionSfM,将场景几何与相机位姿表示为逐像素射线起点和终点,利用 Transformer 去噪扩散模型从多视图图像直接预测,并在合成与真实数据上优于经典及学习方法。
2025-05-08 cs.CV
E-Motion: Future Motion Simulation via Event Sequence Diffusion
Xidian University(西安电子科技大学);City University of Hong Kong(香港城市大学)
提出将视频扩散模型与事件相机信息结合的运动模拟框架,利用预训练模型迁移和强化学习对齐机制,实现高精度未来运动预测。
2024-10-11 cs.CV
MotionMatcher: Motion Customization of Text-to-Video Diffusion Models via Motion Feature Matching
National Taiwan University(台湾大学);NVIDIA(英伟达)
本文提出 MotionMatcher 框架,通过匹配预训练 T2V 模型提取的高级时空运动特征实现视频运动定制,避免像素重建导致的内容泄漏并取得最优性能。
2025-02-18 cs.AI cs.CV cs.LG
Teacher-Student Diffusion Model for Text-Driven 3D Hand Motion Generation
Singapore Management University(新加坡管理大学)
本文提出TSHaMo模型,通过文本生成逼真3D手部运动,利用教师-学生扩散框架提升运动质量和多样性,支持多种辅助输入。
2026-03-25 cs.CV
InterGen: Diffusion-based Multi-human Motion Generation under Complex Interactions
ShanghaiTech University(上海科技大学)
本文提出 InterGen 扩散模型及 InterHuman 数据集,通过共享权重的双 Transformer 去噪器、互注意力机制和空间关系正则化,实现文本引导的高质量双人交互运动生成。
2024-03-28 cs.CV