统一手势:一种适用于多个骨架的统一手势合成模型
原文中文,约300字,阅读约需1分钟。发表于: 。基于扩散模型的语音驱动手势综合方法 UnifiedGesture 在多个手势数据集上进行训练,通过为不同动作捕捉标准学习潜在同胚图的重定位网络,捕捉语音和手势之间的线性关系,并通过增加多样性的离散手势单元的强化学习进一步对齐语音和手势,实验证明其在语音驱动手势生成方面优于近期的方法。
该论文介绍了一个基于扩散式运动合成模型的系统,用于GENEA Challenge 2023。该系统在比赛中获得了最高的人类相似度和最高的语言适应性评分,是实现携带语义含义的类人共言语手势的一种有前途的方法。