English(EN) MotionMAR: Multi-scale Auto-Regressive Human Motion Reconstruction from Sparse Observations

MotionMAR框架从稀疏数据中重建人体运动

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-22 08:15

研究人员推出MotionMAR，一个用于从稀疏观测数据中重建人体运动的新框架。该系统采用粗粒度到细粒度的方法，首先预测整体轨迹，然后逐步细化时间细节。MotionMAR集成了四个关键组件：用于多分辨率编码的时间多尺度分词（TMT）VQ-VAE，用于潜在空间预测的运动自回归网络（MAN），用于与观测对齐的尺度感知控制（SAC）模块，以及用于平滑和消除伪影的运动细化网络（MRN）。在AMASS数据集上的实验表明，MotionMAR达到了最先进的准确性。 AI

影响这项研究推进了运动重建技术，通过从有限数据中实现更准确、更详细的人体运动捕捉，可能对动画、机器人和虚拟现实等领域产生影响。

排序理由该集群描述了一篇详细介绍新型人体运动重建框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 0 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群描述了一篇详细介绍新型人体运动重建框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: 119 days old; Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CV TIER_1 English(EN) · Cheng Wang · 2026-06-22 08:15

MotionMAR：从稀疏观测中进行多尺度自回归人体运动重建

Human motion follows a temporal hierarchical structure, transitioning from low-frequency global trajectories to high-frequency details. Inspired by the success of multi-level autoregressive models in computer vision, we propose MotionMAR, a coarse-to-fine framework for motion rec…

本文如何被排名

报道来源 [1]

MotionMAR：从稀疏观测中进行多尺度自回归人体运动重建

相关实体

相关话题