跳到正文
arXiv · AI· Pengyang Shi, Jinlu Zhang, Chunze Lin, Yizhou Wang, Li Yi·· 7 天前AI 评分23

CFGComposer: 基于 Copula 分数校正的组合式音频-文本转动作生成

CFGComposer: Compositional Audio-Text-to-Motion Generation via Copula Score Correction

AI 导读

研究提出 CFGComposer,一种联合训练的动作扩散模型,通过估计 Copula 分数 $s_I$ 校正音频与文本模态间的交互偏差。模型在 BEAT 数据集上实现最佳语义保真度(FID 27.18),盲测胜率 76-83%。该成果在 Unitree G1 人形机器人上验证了直接 Sim-to-Real 迁移能力。

来源:arXiv · AI · arxiv.org