研究人员推出UniMoFlow，这是一种新颖的统一潜在流匹配模型，用于指令驱动的3D人体运动编辑。该方法在文本到运动生成中实现运动编辑的接地，解决了现有方法在精确局部化和语义多样性方面存在的局限性。UniMoFlow辅以SAFE推理技术，利用了一个名为Omni-MoEdit的大规模数据集，该数据集是通过闭环合成和验证管道创建的。该系统在与目标文本的对齐、编辑有效性和周期一致性方面表现出改进，同时保持了源保真度和生成质量。 AI
影响 这项研究提高了AI根据文本指令操纵3D人体运动的能力，可能对动画、游戏和虚拟现实产生影响。
排序理由 该集群描述了一篇详细介绍用于3D人体运动编辑的新模型和数据集的研究论文。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
Instruction-driven editing of 3D human motion requires precise spatiotemporal localization, rich semantic grounding, and strict preservation of unmodified content. Existing methods either resort to training-free adaptation of generative models or rely solely on triplet supervisio…
arXiv:2608.09143v1 Announce Type: new Abstract: Instruction-driven editing of 3D human motion requires precise spatiotemporal localization, rich semantic grounding, and strict preservation of unmodified content. Existing methods either resort to training-free adaptation of genera…