Tag · 2 篇
文本到动作
分布 数据集与评测13D 视觉与重建1
01 02
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。
LaMoGen：通过 LLM 引导的符号推理实现语言到动作生成
LaMoGen: Language to Motion Generation Through LLM-Guided Symbolic Inference
把人体动作离散化为可解释的拉班符号序列，再用 LLM 做符号推理与重组生成动作，为视觉侧的人体动作生成/理解提供了一条可解释、可控制的中间表示思路，可迁移到动作编辑与细粒度时序对齐任务。