CFGComposer:音频文本驱动全身动作生成
CFGComposer: Compositional Audio-Text-to-Motion Generation via Copula Score Correction
AI 摘要
Pengyang Shi 等提出 CFGComposer,将两个独立训练的扩散模型在推理时组合,并用 copula 分数修正音频与文本跨模态交互偏差,实现与语音节奏同步、语义对齐的全身手势生成。在 BEAT 数据集上取得 SRGR 0.9916、FID 27.18,达到当前最佳语义保真度。
标题与摘要由 AI 根据原文自动生成,可能存在偏差;具体数据与结论请以原文为准。