🔥 今日值得一读
边走路边接电话！新AI模型实现流式多轨人体动作生成
Streaming Multi-Track Timeline Control for 3D Human Motion Generation
👨💼 主理人解读 · 为什么值得关注
可让虚拟人在行走时接收新指令并叠加动作，适合游戏与交互式动画的实时动作合成。
📖 AI 总结
本文提出“流式多轨时间线控制”这一新任务，旨在解决现有文本驱动人体动作生成方法假设指令在合成前已全部给定的局限。针对交互式应用中需在持续动作的同时响应新指令（如边走边接电话）的需求，作者提出TimelineControl方法：通过区间感知条件保留指令时序，借助因果部件结构化表示与部件感知去噪协调身体不同区域的并发动作。为支撑该任务，研究团队构建了包含重叠指令区间与身体部位标注的TimelineMotion数据集。在TimelineMotion与MTT上的实验表明，该方法在语义对齐和时间遵循度上优于所评估的流式基线（包括在同一数据上重训练的模型），消融实验与人工评估进一步验证了设计有效性，并展示了空间条件控制与类人执行的能力。
🔑 关键词速览
| Streaming Multi-Track Timeline Control | 一种允许在动作生成过程中动态接收新指令并协调多个重叠动作时间线的控制范式。 |
| TimelineControl | 本文提出的方法，通过区间感知条件和部分结构化表示，实现流式指令与进行中动作的同步生成。 |
| Interval-aware Conditioning | 一种条件机制，能够感知指令的时间区间，确保生成动作与指令时序对齐。 |
| Causal Part-structured Representations | 一种将人体动作按身体部位分解并保持因果关系的表示方法，用于协调不同身体区域的并发动作。 |
| TimelineMotion | 本文构建的数据集，包含重叠的指令区间和身体部位标注，用于训练和评估流式多轨动作生成模型。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅