BriefGPT - AI 论文速递
·
潜空间中的生成人体动作风格化
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文提出了一种数据驱动的运动风格转移框架，能够从视频直接提取运动风格进行转移。实验结果表明，该方法在不需要成对训练数据的情况下，其结果可与最先进的方法相媲美，并且在转移先前未见过的风格时优于其他方法。同时，该方法还是首次从视频到3D动画实现风格转移的研究。
🎯
关键要点
-
提出了一种数据驱动的运动风格转移框架。
-
该框架能够从视频直接提取运动风格进行转移。
-
框架学习来自带样式标签的不成对运动集合。
-
能够绕过3D重建并应用于3D输入运动。
-
运动的内容和风格在解码合成过程中起不同作用。
-
实验结果显示该方法在不需要成对训练数据的情况下，结果可与最先进的方法相媲美。
-
在转移先前未见过的风格时，该方法优于其他方法。
-
首次实现从视频到3D动画的风格转移研究。
🏷️
