Modi: Unconditional motion synthesis from diverse data

神经网络的出现彻底改变了运动合成领域。然而，学习从给定分布中无条件合成运动仍然具有挑战性，尤其是在运动高度多样化的情况下。本研究提出MoDi——一种在无监督设置下，从极其多样化、非结构化和无标签的数据集中训练得到的生成模型。在推理过程中，MoDi能够合成高质量、多样化的运动。尽管数据集缺乏任何结构，我们的模型仍能产生规整且高度结构化的潜空间，该空间可进行语义聚类，构成强大的运动先验，有助于实现语义编辑和群组模拟等多种应用。此外，我们提出一种编码器，可将真实运动映射到MoDi的自然运动流形中，为解决前缀补全和空间编辑等不适定问题提供解决方案。定性与定量实验均达到领先水平，超越了近年来的SOTA技术。代码和训练模型详见https://sigalraab.github.io/MoDi。