BiMoGen

BiMoGen框架使用扩散实现双向运动-文本生成

研究人员开发了BiMoGen，一个利用掩码离散扩散的双向运动-文本生成新框架。该方法通过实现迭代式双向预测，克服了先前自回归模型的局限性，从而更好地捕捉语言和运动之间的依赖关系。该框架包含一个两阶段的训练过程，包括解耦的单模态和跨模态训练以实现初始对应，以及生成感知的自纠正以在推理过程中优化预测。在HumanML3D和KIT-ML数据集上的实验表明，BiMoGen在运动到文本描述和文本到运动生成方面均取得了有竞争力的性能。