.png){kind=icon}
返回
Shape-Conditioned Human Motion Diffusion Model with Mesh Representation
.png){kind=icon}
OA
AI
DOI：10.1111/cgf.70065.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
人体运动生成是计算机图形学中的一个关键任务。尽管已使用文本、动作类别或音频等多样条件信号来控制生成过程，但现有方法大多忽视了需要特定身体执行运动的情况。此外，它们依赖基于骨骼的姿态表示，需要额外步骤才能生成可渲染的预期身体形状网格。鉴于人体运动涉及骨骼、关节和肌肉的复杂相互作用，仅关注骨骼生成会忽略肌肉和软组织所携带的丰富信息及其对运动的影响，最终限制了生成运动的多样性和精确度。本文提出了一种形状条件运动扩散模型（SMD），它能够在文本提示和身体网格的条件下，直接以网格序列的形式生成人体运动。为充分利用网格表示同时最小化资源成本，我们采用图拉普拉斯谱表示将身体网格编码到学习过程中。与运动重定向方法不同，我们的模型无需源运动数据，并能生成多种符合给定身份形状的语义运动。大量实验评估表明，SMD模型不仅能在运动帧间保持与条件输入一致的体形，而且相较于当前最先进的方法，在文本到运动和动作到运动任务上也取得了有竞争力的性能。
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
2.9
论文数:
563
被引数:
1.1W
机构
引用论文
.png){kind=icon}
TM2D: Bimodality Driven 3D Dance Generation via Music-Text IntegrationTM2D: 通过音乐文本集成实现双模驱动的3D舞蹈生成
OAAI
OAAI分享收藏ActFormer: A GAN-based Transformer towards General Action-Conditioned 3D Human Motion GenerationActFormer: 基于GAN的转换器，用于通用动作条件的3D人体运动生成OAAI
OAAI分享收藏
查看更多内容