更多 >头条新闻
-
032025.07
[毕业生风采] 登峰者说：从实验室到科研前沿的跨越
吕加飞、周涵涛荣膺“清华大学优秀毕业生”，杨恺荣获“清华大学优秀毕业生论文”，唐龙翔、许遵楠荣获“北京市优秀毕业生”
-
302025.06
[师生活动] 智能计算实验室举行2022级毕业欢送会
青春作伴，智算启航—智能计算实验室2022级毕业欢送会温情落幕
-
242025.06
[毕业微展] 2025届毕业微展发布
吕加飞：有限数据下高效异策略强化学习算法研究
焦点关注
-
[科研成果] 课题组5篇论文被CVPR 2025录用
近日CVPR公布的论文录取结果，在13008份的有效投稿中，只有2878篇被录用，录取率为22.1%。本课题组共有5篇论文被CVPR 2025录用.
-
[专利推介] 发明专利:一种基于多模态特征聚类的推荐优化方法
本发明旨在提高推荐系统的多样性和用户体验。通过整合多模态信息，优化了推荐系统的性能，有效解决了过度分发问题.
-
[专利推介] 发明专利:在持续学习中保留视觉语言模型预训练的图像和文本知识的方法
本发明提供一种在持续学习中保留视觉-语言模型预训练的图像和文本知识的方法，设计了一种分布感知无干扰知识整合机制，为视觉-语言模型的持续学习应用提供了一种创新解决方案.
算法背景
随着生成式人工智能的快速发展，现有方法如FineDance、EDG已经展示出了数秒钟高质量舞蹈的能力。然而，实际应用中的舞蹈表演和社交舞通常持续3至5分钟，舞蹈剧可以持续15分钟以上，甚至一个小时。因此，现有的舞蹈生成算法难以满足实际需求，而如何生成高质量的长序列舞蹈动作成为了亟待解决的问题。
算法能力
针对目前音乐生成3D舞蹈动作中存在的长序列生成质量差，生成效率低的问题，我们提出了Lodge，可以高效地根据输入音乐生成极长的3D人体舞蹈动作。该解决方案不仅适用于电影和游戏制作等诸多应用，而且还具有激发舞蹈设计者设计新颖动作的潜力，并提高他们的工作效率。
随着生成式人工智能的快速发展，现有方法如FineDance、EDG已经展示出了数秒钟高质量舞蹈的能力。然而，实际应用中的舞蹈表演和社交舞通常持续3至5分钟，舞蹈剧可以持续15分钟以上，甚至一个小时。因此，现有的舞蹈生成算法难以满足实际需求，而如何生成高质量的长序列舞蹈动作成为了亟待解决的问题。
算法能力
针对目前音乐生成3D舞蹈动作中存在的长序列生成质量差，生成效率低的问题，我们提出了Lodge，可以高效地根据输入音乐生成极长的3D人体舞蹈动作。该解决方案不仅适用于电影和游戏制作等诸多应用，而且还具有激发舞蹈设计者设计新颖动作的潜力，并提高他们的工作效率。
长序列舞蹈动作生成
Demo 1