本研究提出了一种噪声调度方法，解决了扩散过程中概率分布变化速率不恒定的问题，从而显著提升了扩散模型在图像生成中的性能。

本文介绍了一种优先级中心的运动分散扩散模型（M2DM），利用基于Transformer的VQ-VAE生成简洁的动作表示。通过全局自注意机制和正则化项解决代码坍塌问题，并创新性地根据动作重要性进行噪声调度。实验显示，该模型在HumanML3D和KIT-ML数据集上表现优异，尤其在复杂文本描述下，保真度和多样性超过现有技术。