跳到正文
arXiv · virtual production· Fatemeh Zargarbashi·精选AI 评分58

Two2Four:用普通人动作驱动四足动物动画的生成式框架

Two2Four: Generative Quadruped Puppeteering from Human Motion

AI 导读

论文提出 Two2Four 自动人转四足操控框架,可从普通人动作数据生成可信且可控的四足运动。方法采用仅用四足运动数据训练的两阶段生成扩散模型,结合结构化条件与 inpainting 策略,支持走、跑、跳、坐、卧等动作,并可细粒度控制头部与单条肢体。实验称其运动真实感与可控性优于现有重定向方法,面向动画与虚拟制作应用。

推荐理由

论文提出纯用四足动物动作数据训练的两阶段扩散模型,把普通人动作转成可控的四足动画,为虚拟制作中的动物运动提供了一条数据驱动路径。

正文 · AI 翻译

查看 PDF HTML(实验性)

摘要:虚拟制作中逼真的动物运动,通常要么依靠训练有素的表演者精准模仿动物行为进行动作捕捉,要么借助复杂的控制方案把普通人动作重定向到动物骨架上。这两种做法都颇具挑战,且往往无法完整还原自然动物运动的细微之处,因此推动了数据驱动方案的发展。我们提出一套自动的人到四足动物操控框架,能从普通人体动作数据生成合理且可控的四足运动。方法采用两阶段生成式扩散模型,完全基于四足动物运动数据训练。通过引入结构化条件与修补策略,本方法支持行走、奔跑、跳跃、坐下和躺卧等多种动作。此外,我们还能对四足运动实现细粒度、直观的控制,例如头部运动控制和单条肢体操控。实验结果表明,与现有重定向方法相比,本方法在运动真实感和可控性上均有提升,凸显了该框架作为动画与虚拟制作工具的有效性。
学科: 图形学(cs.GR);机器学习(cs.LG)
引用为: arXiv:2607.26108 [cs.GR]
  (或本版本 arXiv:2607.26108v1 [cs.GR])
  https://doi.org/10.48550/arXiv.2607.26108

由 DataCite 颁发的 arXiv DOI

相关 DOI: https://doi.org/10.1111/cgf.70565

链接到相关资源的 DOI

提交历史

来自:Fatemeh Zargarbashi [查看邮箱]
[v1] 2026年7月28日 星期二 13:23:10 UTC(17,816 KB)

来源:arXiv · virtual production · arxiv.org