PulseAugur
中
实时 10:41:55
English(EN) MotionMAR: Multi-scale Auto-Regressive Human Motion Reconstruction from Sparse Observations

MotionMAR框架以最先进的精度重建人体运动

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了MotionMAR，一个从稀疏观测数据重建人体运动的新颖框架。这种粗到细的方法首先估计全局轨迹，然后逐步完善时间细节。该系统集成了用于多分辨率编码的Temporal Multi-scale Tokenization (TMT) VQ-VAE，用于潜在空间预测的Motion Autoregressive Network (MAN)，用于与观测对齐的Scale-Aware Control (SAC)，以及用于平滑和伪影去除的Motion Refinement Network (MRN)。MotionMAR在AMASS数据集上展示了最先进的准确性，为运动重建提供了一种可靠且结构感知的​​方法。 AI

影响 这项研究提供了一种更准确、更具结构感知的​​人体运动重建方法，可能使动画、机器人和虚拟现实等领域受益。

排序理由 该集群描述了一篇关于新颖人体运动重建框架的新学术论文。[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 →

MotionMAR框架以最先进的精度重建人体运动

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Yuhua Luo, Junsheng Zhang, Mengyin Liu, Xincheng Lin, Ming Yan, Zhudi Chen, Chenglu Wen, Lan Xu, Siqi Shen, Cheng Wang ·

    MotionMAR：从稀疏观测中进行多尺度自回归人体运动重建

    arXiv:2606.23000v2 Announce Type: replace Abstract: 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 …

相关话题