English(EN) ELMA: Benchmarking Anaphoric Compositions for Long-Term Text-to-Motion Generation

新的ELMA数据集为长文本到动作生成提供基准测试

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-12 04:00

研究人员推出了ELMA，这是一个旨在改进长文本到动作生成的新数据集和基准。当前模型在需要跨多个片段保持上下文的指令方面存在困难，ELMA通过提供来自真实世界视频的密集、片段级标注来解决这一挑战。该数据集能够对现有模型进行微调，在生成连续的、依赖上下文的人类动作方面，显著提高了全局物理真实性和语义对齐度。 AI

影响这项研究可以提高AI生成人类动作的真实性和连贯性，应用于数字虚拟形象等场景。

排序理由该集群描述了一个特定AI研究任务（文本到动作生成）的新数据集和基准，发布在arXiv上。[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: 10 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群描述了一个特定AI研究任务（文本到动作生成）的新数据集和基准，发布在arXiv上。[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: Same-day; Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CV TIER_1 English(EN) · Shun Kato, Dixin Yang, Kotaro Amaya, Yuiga Wada, Kazumi Fukuda, Takashi Shibuya, Yuki Mitsufuji, Mariko Isogawa · 2026-10-12 04:00

ELMA：长文本到运动生成的指代消解组合基准测试

arXiv:2610.13549v1 Announce Type: new Abstract: Text-guided long-term human motion generation is essential for applications such as continuously operating digital avatars. Despite recent progress on short clips, existing models struggle with multi-segment instructions that involv…

本文如何被排名

报道来源 [1]

ELMA：长文本到运动生成的指代消解组合基准测试

相关实体

相关话题