当前位置:首页 > 报告详情

【陈欣】AIGC 前沿技术 —— 虚拟人动作生成技术的发展与应用.pdf

上传人: 2*** 编号:134885 2023-07-08 40页 10.16MB

1、稀土掘金intel.YgolonnaT.cnJigAIGC前沿技术E虚拟人动作生成技术的发展与应用陈欣腾讯科技QQ影像中心研究员Traveler)10.9JUESINO2023nicatel#page#陈欣2021年加入腾讯QQ影像中心负责QQ秀的虚拟人服饰、动画的AIGC技术研究致力于AIGC、多模态大模型方向的研究与落地中国科学院大学博士,研究生成式人工智能,具体包括虚拟人生成、动作生成、三维物体生成等,在CVPR,ICCV,SIGGRAPH等国际顶会发表论文20余篇个人主页:HTTPS:/CHENXIN.TECH/Crueim.#page#动作生成技术的发展018扩散模型与动作生成02州

2、语言模型与动作生成03contentueiinuejir#page#page#相关资源获取数据下载与代码开源Motion BackgroundMotion-Latent-DiffusionMotionGPTeiin夏CanyougenerateamotionthatapersonkneelingontheBroundgetsupQ0过F宁大手生月Chtps/ is Human Motion?CSkeletonSkeleton and Skin11OSSO:Obtaining SkeltalfromOutside2ASknned Muli3jExpressive BodyCapt#page#pa

3、ge# Why Industry Needs Motion Synthesis?cnjueiin.cFilmGARMetaversecn#page#Animation:虚拟人动作制作Craftly MadeTime-consumingUnnatural人工制作耗时巨大过程不自然aPolyyfior#page#MoCap:动作捕捉技术花费巨大需要外部设别Equipment requiredHigh cost专业表演人员Human Driven#page#Why Academia Needs Motion Synthesis?juejin.crMotion CaptureImageAction/B

4、ehavior RMotionLanguageueiin.crGesture UnderstandingSpeech GenerationAnimation GenerationText-driven Generation#page#Timeline:动作生成技术发展与动作捕捉技术的研究工作3D Motion Capture动作捕捉HMR家然VIBE-Video Inference for Body4DHumansHuman Mesh RecoveryPose and Shape Estimation餐皮宾庆1.4kgithubstars2.6kgithubstarsRecentWork1kc

5、itations636citations20182021202320202022MotionGPTMDM- Motion Diffusion ModelsMLD-Motion-latent-diffusionRecentWork2.2kgithubstars,100citations300+github stars3DMotion Synthesis动作生成#page#02YgolonnaTJigMotion LatentEDiffusionModels扩散模型与动作生成Traveler)10.9JUESINO2023inicatej#page#CIVITAI#page# Diffusion

6、in Image SynthesisDALLE2,Disco-Diffusion,GLIDE.jueiin.cLatent DiffusionImageno larger Text encoder rather than CLIPDiffusion in VAE latent spacetext-encoder:T5-XXL(4.6B)Image512x512-VAE64x64x4diffusion decoder 64 (2B)Less computational costsdiffusion upsampler 64-256Supported Inputs: segmentations,i

word格式文档无特别注明外均可编辑修改,预览文件经过压缩,下载原文更清晰!
三个皮匠报告文库所有资源均是客户上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作商用。
本文主要探讨了AIGC领域中虚拟人动作生成技术的发展与应用。作者陈欣,腾讯QQ影像中心研究员,分享了自己在AIGC、多模态大模型方向的研究与落地工作。动作生成技术的发展涉及扩散模型、动作生成语言模型和动作生成技术。其中,扩散模型通过逐步去噪的过程,简化高维数据采样;动作生成语言模型和动作生成技术结合,实现文本驱动的动作生成。文章还介绍了Motion Background、Motion-Latent-Diffusion和MotionGPT等相关技术,并分享了未来的研究方向,如多模态大模型、多样化模态生成以及理解不同层次的运动等。此外,文章还提供了一些开源代码和数据集链接,以促进该领域的研究与发展。
"AIGC技术如何引领虚拟人动作生成?" "扩散模型如何改变动作生成的游戏规则?" 如何让语言模型掌握人类动作语言?"
客服
商务合作
小程序
服务号
折叠