MotionLCM: Real-time Controllable Motion Generation via Latent Consistency Model

本研究提出MotionLCM，将可控运动生成提升至实时水平。现有文本条件运动生成中的时空控制方法存在显著运行效率低下的问题。为解决此问题，我们基于运动潜在扩散模型，首次提出用于运动生成的运动潜在一致性模型（MotionLCM）。通过采用单步（或少步）推理，我们进一步提升了运动潜在扩散模型在运动生成中的运行效率。为确保有效可控性，我们在MotionLCM的潜在空间中引入运动ControlNet，使原始运动空间中的显式控制信号（即初始运动）能够为训练过程提供额外监督。应用这些技术后，我们的方法能够实时生成符合文本和控制信号的人类运动。实验结果表明，MotionLCM在保持实时运行效率的同时，展现出卓越的生成与控制能力。