ReMoMask

ReMoMask-2 通过结构感知检索推进文本到运动生成

研究人员推出 ReMoMask-2，一个旨在通过解决检索和融合机制中的挑战来增强文本到运动生成的新框架。该系统采用分层双向动量来对齐全局和部件级特征与文本，语义时空注意力来进行拓扑感知融合，以及拓扑结构掩码来实现鲁棒的接地。ReMoMask-2 通过在生成器的潜在空间中重建检索数据库并对齐文本查询（通过蒸馏投影仪），从而实现对检索到的运动语义的直接消费，进一步改进了其前代产品。