使用自然语言进行迭代运动编辑
Iterative Motion Editing with Natural Language
AI总结：
本文提出一种使用自然语言迭代编辑角色动画的方法，通过运动学运动编辑算子（MEOs）和预训练语言模型将文本转换为关键帧约束，利用扩散模型生成符合编辑意图且忠实于原始动画的逼真运动。
摘要：
文本到运动的扩散模型可以根据文本提示生成逼真的动画，但不支持细粒度的运动编辑控制。在本文中，我们提出了一种方法，使用自然语言迭代地指定对现有角色动画的局部编辑，这是大多数计算机动画工作流程中常见的任务。我们的核心思想是使用一组运动学运动编辑算子（MEOs）来表示运动编辑空间，这些算子对源运动的影响与用户期望高度一致。我们提供了一种算法，利用预训练的语言模型将运动编辑的文本描述转换为程序源代码，这些程序在源动画上定义并执行MEOs序列。我们通过首先将MEOs转换为关键帧约束，然后使用基于扩散的运动模型生成遵循这些约束的输出运动来执行MEOs。通过用户研究和定量评估，我们证明我们的系统能够执行尊重动画师编辑意图的运动编辑，保持对原始动画的忠实度（它编辑原始动画，但不会剧烈改变它），并产生逼真的角色动画结果。
英文摘要：
Text-to-motion diffusion models can generate realistic animations from text prompts, but do not support fine-grained motion editing controls. In this paper, we present a method for using natural language to iteratively specify local edits to existing character animations, a task that is common in most computer animation workflows. Our key idea is to represent a space of motion edits using a set of kinematic motion editing operators (MEOs) whose effects on the source motion is well-aligned with user expectations. We provide an algorithm that leverages pre-existing language models to translate textual descriptions of motion edits into source code for programs that define and execute sequences of MEOs on a source animation. We execute MEOs by first translating them into keyframe constraints, and then use diffusion-based motion models to generate output motions that respect these constraints. Through a user study and quantitative evaluation, we demonstrate that our system can perform motion edits that respect the animator's editing intent, remain faithful to the original animation (it edits the original animation, but does not dramatically change it), and yield realistic character animation results.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
