本文是人体运动生成领域的首篇综述，介绍了人体运动和生成模型的背景，审查了三个主流子任务的代表方法，概述了数据集和评估指标，并讨论了开放问题和未来研究方向。

研究分析人们对协作机器人运动方式的偏好，探讨工业机器人与人体运动的差异，并开发了模拟人类运动的程序。通过测试不同速度轮廓，研究人们对不同运动方式的偏好及与机器人互动的感知。

本文是人体运动生成领域的首篇综述，介绍了人体运动和生成模型的背景，审查了三个主流子任务的代表方法，并讨论了开放问题和未来研究方向。该综述全面了解人体运动生成领域，并激发新思路。

本文是人体运动生成领域的首篇综述，介绍了人体运动和生成模型的背景，审查了三个主流子任务的代表方法，并讨论了开放问题和未来研究方向。该综述为社区提供了全面了解，并激发了新思路。

该文章提出了一种基于视频的STAF模型，通过注意人体运动的相干线索和提取细粒度局部信息来增强目标帧的特征表示。实验证明STAF在精度和平滑度之间取得了最新的权衡。

研究人员提出了第一个点云人物模型，用于实现真实的AR/VR和数字娱乐体验。该模型使用多层感知器建模姿势相关的变形和线性蒙皮权重，通过解码器和点特征来表示外观。与隐式方法相比，该模型提供了更直观的建模方式，并减少了训练和推理时间。研究人员还提出了一种将语义信息从SMPL-X模型转移到点云中的新方法，以更好地理解人体运动。实验结果证明了该方法的有效性。

该文提出了一种利用分层语义图实现对人体运动生成的细粒度控制的方法，并对分解的文本到运动扩散过程进行了优化。通过修改分层语义图的边权重，实现了生成运动的持续细化，具有优越性能。