论文页面 - Motion4Motion：推理过程中的跨主体动作迁移

来源：https://huggingface.co/papers/2607.11644

摘要

本工作探索了从一段视频到另一段视频的动作迁移，这对于多样角色的动画制作至关重要。此前，视频动作迁移已在人类与类人角色之间得到广泛研究，催生了大量数字创作应用。然而，这些方法面临一个主要局限：相关技术流程严重依赖预定义的人类骨架结构，并据此需要基于骨架条件进行模型训练。一方面，这些方法难以泛化到多样化的角色（例如不同物种的动物），同时保留其独特的动作风格。另一方面，多样化骨架的标注数据有限，进一步制约了该任务的大规模训练。在本文中，我们跳出基于骨架的动作迁移框架，提出了一种免训练的动作迁移框架，命名为Motion4Motion。Motion4Motion对视频中角色的运动流进行建模，而非骨架，从而使得跨物种的动作迁移更加容易。大量实验结果和新颖应用表明，我们的方法显著优于基线方法。项目页面见 https://lhchen.top/Motion4Motion/。

查看 arXiv 页面 (https://arxiv.org/abs/2607.11644)查看 PDF (https://arxiv.org/pdf/2607.11644)项目页面 (https://lhchen.top/Motion4Motion/)添加至收藏 (https://huggingface.co/login?next=%2Fpapers%2F2607.11644)

引用本文的模型0

无模型链接此论文

请在模型 README.md 中引用 arxiv.org/abs/2607.11644 以从该页面链接。

引用本文的数据集0

无数据集链接此论文

请在数据集 README.md 中引用 arxiv.org/abs/2607.11644 以从该页面链接。

引用本文的Space0

无Space链接此论文

请在Space README.md中引用 arxiv.org/abs/2607.11644 以从该页面链接。

包含本文的收藏集0

无收藏集包含此论文

请将此论文添加至收藏集 (https://huggingface.co/new-collection) 以从该页面链接。