实体
KIT-ML
KIT-ML
PulseAugur coverage of KIT-ML — every cluster mentioning KIT-ML across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
WaMo框架通过小波分析增强文本-运动检索 · arXiv cs.CV
研究人员开发了WaMo，一个用于文本-运动检索的新框架，该框架使用小波分解来分析3D运动序列。该方法在多个分辨率下捕捉特定关节和随时间变化的运动细节，从而改善了运动数据和文本描述之间的对齐。WaMo在HumanML3D和KIT-ML数据集上分别实现了17.0%和18.2%的相对性能提升，超越了当前最先进的方法。
-
新DC-Motion框架通过文本生成逼真人体运动
研究人员开发了DC-Motion，一个用于从文本生成人体运动的新颖框架。该方法使用离散和连续令牌的组合，将语义含义与细粒度的物理细节分离开来。首先，一个离散-连续VAE将运动分解为离散的语义令牌和连续的动态残差。随后，一个掩码自回归模型解释文本以预测离散结构，而一个扩散模型则重建连续的物理细节。实验表明，DC-Motion在遵循复杂指令方面表现出色，并在HumanML3D和KIT-ML等数据集上实现了运动逼真度和文本对齐的最新性能。
-
新的AI模型实时生成高质量3D人体运动
研究人员开发了新的基于Transformer的框架，用于从文本生成高质量的3D人体运动。MOGO利用分层向量量化和单通道因果Transformer进行实时生成，展示了具有竞争力的质量和改进的性能。MotionHiFlow采用分层流匹配方法，逐步从粗粒度语义生成运动到精细的时间细节，并结合了跨尺度转换和显式结构建模以实现精确对齐。