因果实时生成

MIBURI：迈向富有表现力的交互式手势合成

MIBURI: Towards Expressive Interactive Gesture Synthesis

把全身手势与面部表情编码成多层级离散 token，再用二维因果自回归框架在 LLM 语音-文本嵌入条件下实时生成，为视觉侧的人体动作合成提供了可复用的「部位感知运动编解码 + 因果自回归」范式，适合做实时虚拟人/对话智能体的动作驱动。