Generative Motion In-betweening by Diffusion over Continuous Implicit Representations
本文提出了一种基于运动隐式神经表示（INR）的新型潜在扩散模型流程，该流程能够从极度稀疏的关键帧中有效重建平滑且多样的运动过渡，同时严格保持关键帧的准确性并确保运动连续性。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象你是一位动画师，正试图制作一部角色从 A 点走到 B 点的电影。在过去，你必须手工绘制每一帧。后来，如果你提供起始和结束姿势，计算机可以“猜测”中间的帧。这被称为运动补间（motion in-betweening）。
然而，当前的计算机程序在只获得少量“关键帧”（角色姿势的快照）时往往难以应对。它们可能会让角色的脚像踩在冰面上一样在地板上滑动，或者让动作看起来抖动且不自然。它们有时甚至无法准确记住角色在起点和终点本应处的位置。
本文介绍了一种名为**基于连续隐式表示的扩散生成运动补间（Generative Motion In-betweening by Diffusion over Continuous Implicit Representations）**的新工具。这个名字很长，让我们通过一些类比来拆解它。
1. 问题：“像素化”与“平滑”地图
大多数动画计算机将时间视为一串珠子。它们只知道特定时间点上特定的珠子（帧）。如果你给它们的珠子相距甚远，它们就必须猜测连接这些珠子的线。通常，这种猜测是错误的，导致动作生硬或出现“脚部滑动”。
作者提议使用平滑、连续的地图取而代之。他们使用了一种称为**隐式神经表示（Implicit Neural Representation, INR）**的技术。
- 类比：想象低分辨率数字照片（像素化、块状）与高分辨率矢量绘图（无论放大多少倍，线条都完美平滑）之间的区别。
- 工作原理：他们的系统不是存储姿势列表，而是学习一个“平滑函数”，将整个运动描述为一条单一、不间断的曲线。这意味着计算机将运动理解为连续流动，而非一系列不连续的快照。这自然地防止了“抖动”，使动作看起来更加自然。
2. 引擎：“扩散”艺术家
为了填补稀疏关键帧之间的空白，作者使用了扩散模型（Diffusion Model）。
- 类比：将扩散想象成一位雕塑家，从一块充满噪音和混乱的粘土开始。雕塑家慢慢剔除噪音， refining 形状，直到一尊完美的雕像显现。
- 工作原理：计算机从随机噪音开始，慢慢“去噪”以生成运动。挑战在于确保这种新运动符合你特定的起点和终点（关键帧），同时不丢失运动的自然多样性。
3. 秘密武器：“隐式流形引导”（IMG）
这是最大的创新。通常，当扩散模型试图遵循特定规则（例如“在特定时间到达这个确切位置”）时，它会感到困惑。它可能过于严格地遵循规则，导致动作僵硬；或者忽略规则而偏离方向。
作者发明了一种新的转向机制，称为隐式流形引导（Implicit Manifold Guidance, IMG）。
- 类比：想象你试图在走钢丝（即“流形”或自然运动的平滑路径）时，手中握着一个沉重的重物，将你拉向特定目的地（你的关键帧）。
- 如果你只是用力拉向目的地，你可能会从钢丝上摔下来（动作变得不自然）。
- 如果你只是待在钢丝上，你可能会错过目的地。
- IMG 就是这种平衡。它不断检查两件事：
- 几何误差：“我们在正确的位置吗？”（脚是否落在了该落的地方？）
- 流形误差：“我们是否仍在自然地行走？”（我们是否保持在平滑、自然的路径上？）
- 结果：系统温和地推动运动以准确命中你的关键帧，同时不强迫其违背物理定律或看起来像机器人。当“雕塑家”剔除噪音时，它会实时修正路径。
4. 为什么这很重要
本文声称，通过结合这三者（平滑连续地图 + 扩散雕塑 + 智能转向）：
- 准确性：角色会命中你要求的精确起始和结束姿势，即使你只给了它们两三个快照。
- 质量：动作平滑，没有脚部滑动或抖动。
- 多样性：与旧方法可能每次产生完全相同且乏味的行走不同，该系统可以生成许多种不同的、从 A 到 B 的真实行走方式。
- 无需文本：你不需要输入如“快乐的行走”之类的描述来让它工作；它只需使用你提供的姿势。
总结
可以将这篇论文视为教导计算机成为一位大师级动画师，它只需观察几幅粗略的草图，就能填补电影其余部分，呈现出平滑、真实且多样的表演，同时确保角色准确降落在你告知的位置。他们通过教导计算机将运动视为一条平滑、连续的河流，而不是一系列生硬的步骤，并赋予它一个特殊的指南针以保持航向，从而实现了这一点。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。