Tag · 10 篇
人体动作生成
基于流匹配的统一无人数约束文本到动作生成
Unified Number-Free Text-to-Motion Generation Via Flow Matching
把 flow matching 用在多人动作生成上，用统一潜空间桥接异构动作数据集、用金字塔分辨率条件化降低开销、用半噪声联合概率路径缓解自回归误差累积，这套「单次先验生成 + 多次反应生成」的分解思路可迁移到多人交互视频生成与人体动作预测。
面向高约束人体动作生成的检索引导扩散噪声优化
Towards Highly-Constrained Human Motion Generation with Retrieval-Guided Diffusion Noise Optimization
把「检索到的参考动作噪声」作为扩散噪声优化的初始化，并用奖励引导掩码与随机噪声混合，这一免训练思路可直接迁移到其他受强约束的生成任务（如布局约束的图像/视频生成、轨迹约束的动画）。
RoMo：面向人体动作生成的大规模、组织丰富的数据集与语义分类体系
RoMo: A Large-Scale, Richly Organized Dataset and Semantic Taxonomy for Human Motion Generation
为文本驱动的人体动作生成提供了大规模、带三级语义分类与细粒度标注的野外动作数据，并配套统一的评测工具箱；做动作生成或动作-文本对齐的研究可直接用它替换小规模动捕数据，或借用其分类体系做按类别的误差分析。
PAMotion：面向多物体全身交互的物理感知动作生成
PAMotion: Physics-Aware Motion Generation for Full-Body Interaction with Multiple Objects
把「物体加速度与接触状态的一致性」做成可微的物理感知损失，并采用由粗到细的分阶段条件生成（先躯干与物体平移、再手部与物体旋转），这套思路可直接迁移到任何需要物理合理性的扩散式人体/物体联合运动生成任务。
Interact2Ar：基于自回归扩散模型的全身体人-人交互生成
Interact2Ar: Full-Body Human-Human Interaction Generation via Autoregressive Diffusion Models
面向人体交互运动生成，提出并行分支建模手部运动学与带记忆机制的自回归扩散框架，可直接复用于手部精细动作生成、长时序运动合成与实时扰动自适应等视觉-运动生成任务。
FrankenMotion：部位级人体动作生成与组合
FrankenMotion: Part-level Human Motion Generation and Composition
把生成过程按身体部位解耦、每个部位由独立时序文本提示驱动，这种「部位级条件注入 + 原子动作组合」的思路可迁移到细粒度可控的人体/手部/面部动作生成与编辑，也提示了用 LLM 自动构建细粒度时序标注的可行路径。
FloodDiffusion：面向流式动作生成的定制化扩散强制
FloodDiffusion: Tailored Diffusion Forcing for Streaming Motion Generation
论文揭示的扩散强制改造要点（双向注意力、下三角时间调度器、连续时变条件注入）可直接迁移到视频等流式时序生成任务，为实时、变条件驱动的序列生成提供可复用的训练范式。
DyaDiT：面向社交友好双人手势生成的多模态扩散 Transformer
DyaDiT: A Multi-Modal Diffusion Transformer for Socially Favorable Dyadic Gesture Generation
把扩散 Transformer 用于双人对话场景的联合运动生成，通过融合双方音频与可选的社会语境 token、并允许以对话伙伴的手势作为条件，为多人交互式人体动作生成提供了可复用的条件融合与响应式建模思路。
面向人-物交互合成的解耦生成建模
Decoupled Generative Modeling for Human-Object Interaction Synthesis
将 HOI 合成解耦为「轨迹生成 + 动作生成」两阶段，并用关注远端关节动力学的判别器做对抗训练，可复用于人体动作生成与具身控制中的接触真实性问题。
ARMFlow：用于在线三维人体反应生成的自回归平均流模型
ARMFlow: AutoRegressive MeanFlow for Online 3D Human Reaction Generation
把 MeanFlow 的单步速度预测与因果上下文编码器结合，用于在线人体反应动作生成；BSCE（用生成历史而非真值编码）是缓解自回归误差累积的可复用训练技巧，可迁移到其他流式动作/视频生成任务。