CrowdMoGen：零封闭式文本驱动的群体运动生成
内容提要
本文提出了一种新方法，通过将任务分解为语言准确性和运动生成，生成3D室内场景中的人体动作。研究利用大规模数据集和基于Transformer的框架，实现高多样性和保真度的多主体运动序列，并综述了文本、音频和场景条件下的人体运动生成方法，讨论了未来研究方向。
延伸解读
任务分解策略的优势
文章将文本到3D人体动作生成分解为语言准确性和以目标对象为中心的运动生成两个子问题。这种分解使每个子问题更易管理，实验表明该方法在运动质量上优于基线，验证了设计选择的有效性。
多主体运动生成的突破
研究利用大规模图像和视频数据集估计姿势信息，通过基于Transformer的扩散框架，实现了多个数据集中任意数量主题或帧的生成。实验证明，这是首个能从多样文本提示中生成高多样性和保真度多主体运动序列的方法。
零样本轨迹控制框架Motion-Zero
Motion-Zero框架通过提供基于位置的先验，改善移动物体的外观稳定性和位置准确性。它利用U-net的注意力图在扩散模型去噪过程中直接应用空间约束，并引入移动注意力机制保证时序一致性，无需训练即可灵活运用于各种先进视频扩散模型。
人体运动生成综述的价值
作为该领域首篇综述，文章介绍了人体运动和生成模型的背景，审查了文本、音频和场景条件三个主流子任务的代表方法，并概述了常见数据集和评估指标，讨论了开放问题和未来方向，为社区提供了全面了解。
Q&A
CrowdMoGen的主要创新点是什么？
CrowdMoGen通过将任务分解为语言准确性和运动生成，提出了一种新方法来生成3D室内场景中的人体动作。
Motion-Zero框架的作用是什么？
Motion-Zero框架通过提供基于位置的先验，改善移动物体的外观稳定性和位置准确性。
本文如何提升文本转动作的生成效果？
通过基于OMG框架的预训练和微调，结合motion ControlNet和Mixture-of-Controllers模块，显著提升了零样本文本生成动作的效果。
CrowdMoGen在多主体运动序列生成方面的表现如何？
CrowdMoGen是第一个能从多样的文本提示中生成高多样性和保真度的多主体运动序列的方法。
GPT-connect框架的功能是什么？
GPT-connect框架连接现有的人体运动生成器与三维场景，实现直接生成结合场景的运动序列。
未来的研究方向有哪些？
文章讨论了开放问题和潜在的未来研究方向，特别是基于自然语言指令的开放式人类动作合成。
