计算机科学 > 计算机视觉与模式识别
[提交于 2025年7月1日
]
标题: 基于预训练的统一Transformer框架用于全身抓取运动生成
标题: A Unified Transformer-Based Framework with Pretraining For Whole Body Grasping Motion Generation
摘要: 被接受于ICIP 2025 我们提出了一种基于变压器的全身抓取框架,解决了姿态生成和运动填充问题,实现了真实且稳定的物体交互。 我们的流程包括三个阶段:抓取姿态生成用于全身抓取生成,时间填充用于平滑运动连续性,以及一个 LiftUp 变压器,将下采样的关节细化回高分辨率标记。 为了解决手-物体交互数据的稀缺性,我们引入了一个在大型多样化运动数据集上的高效数据通用预训练阶段,产生了可转移到抓取任务的鲁棒时空表示。 在 GRAB 数据集上的实验表明,我们的方法在连贯性、稳定性和视觉真实性方面优于最先进的基线。 模块化设计还支持轻松适应其他人体运动应用。
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.