跳到正文
arXiv · 机器人与计算机视觉· Shun Kato, Dixin Yang, Kotaro Amaya, Yuiga Wada, Kazumi Fukuda, Takashi Shibuya, Yuki Mitsufuji, Mariko Isogawa·· 2026-10-12精选AI 评分78

ELMA:用于长期文本到动作生成的指代性组合基准

ELMA: Benchmarking Anaphoric Compositions for Long-Term Text-to-Motion Generation

AI 导读

本文介绍 ELMA,一个具有密集分段注释的长期动作生成数据集,旨在解决现有模型难以处理涉及指代关系的跨段约束问题。研究团队通过全自动管道从网络视频中提取高质量连续 30 秒片段,并微调了最先进的动作生成模型以融入长程上下文。

推荐理由

ELMA 数据集与基准揭示了现有模型在处理长程指代性指令时的不足,为长期动作生成提供了新的评估标准。

来源:arXiv · 机器人与计算机视觉 · arxiv.org