研究人员开发了新的方法来生成逼真的人体运动，使其能够准确地遵循指定的轨迹和文本描述。一种方法CMC采用两阶段扩散过程，首先确保轨迹依从性，然后完成全身运动，并结合选择性修复机制来改进训练。另一种方法MSCoT采用多尺度、粗到精的策略，结合高效的token引导和细化模块，以实现更快、更精确的控制。第三个框架AnchorRoute使用稀疏锚点作为生成和细化的支架，将扩散先验与基于残差的细化求解器相结合，以提高控制精度同时保持运动质量。 AI
影响 可控人体运动合成的进步可以通过实现更逼真和交互式的角色行为，对动画、游戏和机器人技术产生重大影响。
排序理由 多篇研究论文介绍了具有轨迹控制的人体运动生成新方法。
AI 生成摘要 · Google Gemini · 来自 3 个来源。 我们如何撰写摘要 →
Trajectory-controlled human motion generation aims to synthesize realistic human motions conditioned on both textual descriptions and spatial trajectories. However, existing methods suffer from two critical limitations: first, the conflict between text and trajectory conditions d…
We present MSCoT, a multi-scale, coarse-to-fine model for test-time human motion synthesis and control. Unlike recent approaches that rely on multiple iterative denoising/token-prediction steps, or modules tailored for specific control signals, MSCoT discretizes motion into a mul…
Sparse anchors provide a compact interface for human motion authoring: users specify a few root positions, planar trajectory samples, or body-point targets, while the system synthesizes the full-body motion that completes the under-specified intent. We present AnchorRoute, a spar…