BAMM: 双向自回归运动模型
内容提要
本文介绍了一种新颖的MMM运动生成模型，旨在平衡实时性、高保真度和动作可编辑性。MMM通过将3D动作转化为潜空间中的离散标记序列，实现高质量动画生成，并支持动作编辑和插值。实验结果表明，MMM在生成质量和速度上优于现有方法，尤其在与音乐协调的舞蹈动作生成方面表现突出。
延伸解读
MMM 如何平衡实时性与高保真度
MMM 通过将 3D 动作转化为潜空间中的离散标记序列，并利用条件掩码动画变换器预测随机掩码标记，实现了并行和迭代解码。这种方法明确捕捉了动作标记间的依赖关系以及与文本标记的语义映射，从而在保证高保真度的同时大幅提升生成速度。实验显示，在单个中档 GPU 上，其速度比可编辑动作扩散模型快两个数量级，为解决实时性、高保真度和可编辑性之间的权衡提供了新思路。
动作可编辑性的实现方式
MMM 具有固有的动作可编辑性，用户只需在需要编辑的位置放置掩码标记，模型即可自动填充空白部分，并确保编辑与非编辑区域之间的平滑过渡。这支持身体部位修改、动作插值和长动作序列合成等高级编辑功能。这种基于掩码的编辑机制简化了传统动作编辑的复杂流程，为动画制作和游戏开发提供了更直观的工具。
与现有方法的性能对比
在 HumanML3D 和 KIT-ML 数据集上，MMM 的 FID 得分分别为 0.08 和 0.429，超过了当前领先的方法。与 MoMask 等基于掩码建模的模型相比，MMM 在生成质量和速度上均有优势，尤其在与音乐协调的舞蹈动作生成方面表现突出。此外，MMM 在单个中档 GPU 上的速度比可编辑动作扩散模型快两个数量级，显示出其高效性。
Q&A
MMM运动生成模型的主要目标是什么？
MMM运动生成模型旨在平衡实时性、高保真度和动作可编辑性。
MMM是如何实现高质量动画生成的？
MMM通过将3D动作转化为潜空间中的离散标记序列来实现高质量动画生成。
MMM支持哪些动作编辑功能？
MMM支持身体部位修改、动作插值和长动作序列合成等编辑功能。
MMM在生成速度上相比于其他方法有何优势？
MMM在单个中档GPU上的速度提高了两个数量级，显示出其高效性。
MMM在与音乐协调的舞蹈动作生成方面表现如何？
MMM在与音乐协调的舞蹈动作生成方面表现突出，达到了最先进的性能。
MMM的实验结果如何？
实验结果表明，MMM在生成质量和速度上优于现有方法，尤其在HumanML3D和KIT-ML数据集上表现优异。
