arXiv cs.CL· Bermet Burkanova, Yasaman Etesam, Payam Jome Yazdian, Trinity Evans, Chuxuan Zhang, Zoe Stanley, Paige Tutt\"os\'i, Angelica Lim·· 11 小时前AI 评分27
CoMPAS3D：交互式动作生成的数据集与基准
CoMPAS3D: A Dataset and Benchmark for Interactive Motion
AI 导读
研究者提出 CoMPAS3D，一个即兴双人萨尔萨舞的动作捕捉数据集与评测框架，含 18 位舞者共 3 小时动作数据、超 2,800 段专家标注片段，覆盖动作类型、执行错误与风格元素。
正文 · AI 翻译
摘要：社交互动型人形机器人旨在通过身体与人类互动，实时适应伙伴的动作、意图和能力。这需要模型既能理解身体如何运动，也能理解其运动的含义。然而，现有的交互式运动生成评估框架并未评估生成的响应动作在共享动作词汇表中是否有效或恰当。现有框架依赖 FID 和节拍对齐等运动学指标，无法捕捉这一语义属性，而即兴交互数据集缺乏细粒度的动作标注。受围棋和国际象棋等游戏计算评估的启发，我们提出 Salsa 作为具身交互评估领域。Salsa 具有交互性、双人性，并由动作词汇表和社区验证的评判标准所规范，涵盖时机、音乐性、技巧、难度、配合和原创性。我们提出 CoMPAS3D，一个即兴双人萨尔萨舞的动作捕捉数据集，以及一个评估框架，涵盖运动学质量、两个客观指标（动作可读性和熟练度适当性）和六个基于竞赛的主观维度。该数据集包含 18 位舞者（涵盖初级、中级和职业水平）3 小时的即兴表演，并有超过 2,800 个专家标注片段，涵盖动作类型、执行错误和风格元素。我们定义了三个基准任务：动作分类、熟练度估计和跟随者生成。微调的视觉语言模型在真实序列上表现良好，并与专家主观判断相关，表明其作为测量工具的前景。应用于 Duolando 和 InterGen 时，我们的客观指标揭示了真实舞蹈与生成舞蹈之间的巨大差距，六个评判维度的专家人工评估也证实了这一点。
| 评论： | 此 https URL 已被 WACV 2027 接收 |
| 主题： | 机器学习 (cs.LG)；人工智能 (cs.AI)；计算与语言 (cs.CL)；计算机视觉与模式识别 (cs.CV) |
| 引用为： | arXiv:2507.19684 [cs.LG] |
| （或 arXiv:2507.19684v3 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2507.19684 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Yasaman Etesam [查看电子邮件]
[v1]
2025年7月25日星期五 21:33:48 UTC（4,832 KB）
[v2]
2026年6月2日星期二 17:45:14 UTC（6,768 KB）
[v3]
2026年11月5日星期四 15:35:07 UTC（6,980 KB）
来源：arXiv cs.CL · arxiv.org