跳到正文
arXiv · 机器人与计算机视觉· Yifei Zhu, Dafei Qin, Zijiao Zeng, Mingyi Shi, Yangyang Cai, Taku Komura, Yoshifumi Kitamura·· 2 天前AI 评分72

MoRAE:面向文本生成运动的自监督潜变量研究

MoRAE: Flow-Friendly Self-Supervised Latents for Text-to-Motion Generation

AI 导读

论文提出 MoRAE 方法,利用预训练的 Motion-JEPA 编码器预测隐藏关节轨迹并压缩其冻结特征,构建适合流变换器的紧凑潜空间。该方法在 HumanML3D 和 KIT-ML 数据集上实现了最先进的 FID 分数,同时保持了接近真实运动的检索式文本一致性和多样性。材料为 arXiv 预印本版本,未提及同行评审状态或开源代码仓库。

来源:arXiv · 机器人与计算机视觉 · arxiv.org