研究人员开发了MoLingo，一种新颖的文本到动作生成模型，可产生逼真的人类运动。该模型通过在连续潜在空间内进行去噪来运行，并通过使用帧级文本标签训练的语义对齐动作编码器进行增强。这种对齐确保了具有相似文本含义的潜在向量靠得更近，从而提高了扩散效果。MoLingo还利用多令牌交叉注意力机制进行文本条件化，与单令牌方法相比，该机制已被发现能产生更好的动作真实感并更贴近文本描述。这些技术的结合使MoLingo在标准指标和用户研究中均取得了最先进的性能。 AI
影响 推进了文本到动作生成能力，可能影响动画、虚拟现实和角色动画行业。
排序理由 这是一篇描述文本到动作生成新模型的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
