T2M Mamba提出文本驱动动作生成新方法
热点事件持续更新
T2M Mamba提出文本驱动动作生成新方法
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
Xingzu Zhan等作者提出文本驱动动作生成方法T2M Mamba，针对长序列生成漂移和对语义等价改写脆弱的问题，设计了Periodicity-Saliency Aware Mamba与Periodic Differential Cross-modal Alignment Module（PDCAM）。前者通过增强密度峰值聚类估计关键帧权重、用FFT加速自相关估计运动周期性，以较低计算开销捕捉耦合动态；后者用于增强文本与动作嵌入的鲁棒对齐。 该方法在HumanML3D和KIT-ML数据集上取得FID 0.068，作者称其余指标也获得一致提升。该工作发表于ICRA 2026。
AI 根据报道生成 · 51 分钟前更新
最新进展10月12日 12:00
T2M Mamba：运动周期性与显著性耦合方法实现稳定文本驱动动作生成报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv cs.CVT2M Mamba：运动周期性与显著性耦合方法实现稳定文本驱动动作生成
T2M Mamba 通过 Periodicity-Saliency Aware Mamba 与 Periodic Differential Cross-modal Alignment Module（PDCAM），解决长序列生成漂移和对语义等价改写脆弱的问题，在 HumanML3D 和 KIT-ML 数据集上取得 FID 0.068，并在所有其他指标上获得一致提升。该工作发表于 ICRA 2026。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。