PulseAugur
实时 08:41:41
English(EN) EquiFusion: Kinematics-Agnostic Human Motion Prediction via Equivariant Latent Diffusion

EquiFusion:揭示动量无关的人体运动预测模型

研究人员开发了 EquiFusion,一种新颖的动量无关的人体运动预测模型。与先前硬编码骨骼结构的方法不同,EquiFusion 将运动连接性作为输入,从而能够跨数据集和未见过的关节顺序实现更广泛的泛化。这种方法可以从部分观察中进行零样本预测和定向肢体生成,在比现有模型更紧凑、更快速的同时,取得了最先进的结果。 AI

影响 为人体运动预测树立了新的、灵活的标准,有可能改进动画、机器人和虚拟现实领域的应用。

排序理由 该集群描述了一篇详细介绍新型人体运动预测模型的新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

EquiFusion:揭示动量无关的人体运动预测模型

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Cecilia Curreli, Florian Hofherr, Dominik Muhle, Abhishek Saroha, Riccardo Marin, Daniel Cremers ·

    EquiFusion: Kinematics-Agnostic Human Motion Prediction via Equivariant Latent Diffusion

    arXiv:2607.10984v1 Announce Type: cross Abstract: Existing Stochastic 3D Human Motion Prediction models are fundamentally constrained by hard-coding the skeleton kinematics, severely limiting generalization, preventing cross-dataset training, and requiring complex data retargetin…