可学习扁平化技术实现多样骨架间动作重定向

提出一种基于 Transformer 自编码器的动作重定向方法，通过可学习的骨架图扁平化捕捉拓扑不变性。 该方法在零样本设置下将全局关节位置误差降低 43-47%，全非监督训练无需配对数据，且在人因实验中被评为运动对齐最佳。 证明了特定架构设计是使 Transformer 在动作重定向领域超越现有几何方法的关键。