可学习扁平化实现跨骨架动作重定向
热点事件持续更新
可学习扁平化实现跨骨架动作重定向
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
研究者 Kia-Jüng Yang 等发表论文，提出一种基于可学习骨骼图扁平化的 Transformer 自编码器，用于跨骨架动作重定向。模型以全无监督方式训练，无需配对重定向数据，在零样本评测中把全局关节位置误差较现有基准降低 43-47%。 在 37 人用户研究（含专业动画师）中，该方法在动作对齐与物理合理性上排名最高（p < 0.05）。
AI 根据报道生成 · 47 分钟前更新
最新进展10月21日 12:00
基于可学习扁平化的 Transformer 实现跨骨架动作重定向报道时间线
沿着报道，了解事件的不同侧面。
10月21日
- arXiv cs.AI基于可学习扁平化的 Transformer 实现跨骨架动作重定向
研究者提出一种 Transformer 自编码器，通过学习拓扑与平移不变的潜在空间实现跨结构动作重定向，核心是可学习的骨骼图扁平化，并将图位置编码以乘法方式融入 token。该模型以全无监督方式训练、无需配对重定向数据，在零样本评测中把全局关节位置误差较现有基准降低 43-47%。37 人用户研究（含专业动画师）中该方法在动作对齐与物理合理性上排名最高（p < 0.05）。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。