跨任意角色拓扑的神经运动混合
Neural Motion Blending Across Arbitrary Character Topologies
浏览论文内容
中文总结 AI 辅助
研究针对角色动画运动混合，提出跨异构骨架的新框架，结合语义编码器与基于扩散的解码器，通过插值潜在表示实现混合运动，在Truebones Zoo数据集上训练评估，能在多样场景中实现平滑合理的运动混合。
中文摘要 AI 辅助
角色动画中的运动混合通过在现有示例之间进行插值来合成新运动。当前方法通常限于固定骨架拓扑，要求角色间骨骼结构相同或近乎相同。我们提出了一个用于跨异构骨架进行运动混合的新框架。该架构将提取运动状态逐帧潜在表示的语义编码器与基于潜在代码重建特定角色运动的基于扩散的解码器相结合。推理时，通过对两个输入运动的潜在表示进行插值获得混合运动。我们在Truebones Zoo数据集上使用相同和不同骨架拓扑定义的运动对该方法进行训练和评估，证明了其在各种场景中实现平滑且合理混合的能力。
英文摘要
Motion blending in character animation enables the synthesis of new motions by interpolating between existing examples. Current methods are typically restricted to fixed skeleton topologies, requiring identical or near-identical skeletal structures across characters. We present a novel framework for motion blending across heterogeneous skeletons. The proposed architecture combines a semantic encoder, which extracts per-frame latent representations of the motion state, with a diffusion-based decoder, which reconstructs character-specific motion conditioned on this latent code. At inference, blended motions are obtained by interpolating the latent representations of two input motions. We train and evaluate the method on the Truebones Zoo dataset using motions defined on both same and distinct skeleton topologies, demonstrating the ability to achieve smooth and plausible blending in a variety of scenarios.
发表机构
- University of Trento（特伦托大学）
- CNIT（意大利国家信息与电信研究所）
机构由 AI 辅助整理，请以论文原文为准。
