Tag · 5 篇
文本引导生成
属性引导的扩散式文本到微结构生成
Property-Informed Diffusion-Based Text-to-Microstructure Generation
把文本中的语义与物理属性作为联合条件注入扩散模型，并用对比对齐加测试时奖励引导保证生成结果与提示一致，这套「属性条件 + 双重对齐」思路可直接迁移到视觉中的条件生成与可控合成任务。
Pressure2Motion：文本引导下基于地面压力的分层人体运动重建
Pressure2Motion: Hierarchical Human Motion Reconstruction from Ground Pressure with Text Guidance
把地面压力垫当作无摄像头、保护隐私的人体运动捕捉信号，用文本提示词消解压力到全身运动的不确定性；其分层扩散框架（先粗轨迹后细姿态）与双级压力特征提取器可迁移到其他欠定模态（如触觉、雷达）驱动的人体姿态估计。
学习长时运动嵌入以实现高效运动学生成
Learning Long-term Motion Embeddings for Efficient Kinematics Generation
把长时运动轨迹压缩成 64x 时序压缩的隐空间，再用条件流匹配在该空间生成运动，为视觉研究者提供了一条绕开逐帧视频合成、直接生成场景动态的轻量路径，可迁移到轨迹预测与可控运动生成。
GaussianGrow：基于文本引导从3D点云几何感知地生长高斯
GaussianGrow: Geometry-aware Gaussian Growing from 3D Point Clouds with Text Guidance
提出从点云生长高斯的框架，利用多视图扩散模型合成一致外观监督，并通过迭代检测未生长区域和2D扩散修复补全，为文本引导的3D高斯生成提供了几何准确的方案。
ActAvatar：面向说话头像的时序感知精确动作控制
ActAvatar: Temporally-Aware Precise Action Control for Talking Avatars
把提示词拆成全局基块与时序锚定的阶段块，并让浅层偏文本、深层偏音频，这一「分层模态权重」思路可直接迁移到任何音频驱动的视频生成或可控扩散模型中，用来缓解多条件相互干扰。