计算机科学 > 图形学
[提交于 2025年6月23日
]
标题: DuetGen:通过分层掩码建模的音乐驱动双人舞蹈生成
标题: DuetGen: Music Driven Two-Person Dance Generation via Hierarchical Masked Modeling
摘要: 我们提出DuetGen,一种从音乐生成互动双人舞蹈的新框架。 这项任务的关键挑战在于双人舞蹈互动的固有复杂性,其中舞伴需要彼此之间以及与音乐同步。 受运动合成最新进展的启发,我们提出了一种两阶段解决方案:将双人动作编码为离散标记,然后从音乐生成这些标记。 为了有效捕捉复杂的互动,我们将两名舞者的动作表示为一个统一的整体,以学习必要的运动标记,并在两个阶段中采用从粗到细的学习策略。 我们的第一阶段使用一个VQ-VAE,它在较粗的时间分辨率上分离高层次语义特征,在更细的时间分辨率上分离低层次细节,从而在不同抽象层次上生成两个离散标记序列。 随后,在第二阶段,两个生成掩码变压器学习将音乐信号映射到这些舞蹈标记:第一个生成高层次语义标记,第二个则在音乐和这些语义标记的条件下生成低层次标记。 我们训练这两个变压器以学习预测序列中的随机掩码标记,使它们能够在推理过程中通过填充一个空标记序列来迭代生成运动标记。 通过分层掩码建模和专门的互动表示,DuetGen实现了在各种流派中同步且互动的双人舞蹈生成。 在基准双人舞蹈数据集上的广泛实验和用户研究证明了DuetGen在运动真实感、音乐-舞蹈对齐和搭档协调方面的最先进性能。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.