更多 >头条新闻
-
172024.10
[学术交流] 智能计算参会ECCV总结
2024年9月29日至10月4日,欧洲计算机视觉会议(ECCV 2024)在意大利米兰隆重举行。李秀教授课题组中四位同学唐婧仪、浦一凡、唐龙翔、任泽平到现场参加了此次会议,并在会上进行了poster展示
-
202024.09
[讲座] 何友院士“人工智能技术前沿与产业应用”课堂
2024年9月20日,在清华大学深圳国际研究生院信息楼808教室,中国工程院院士何友为在座师生带来了一场关于《人工智能技术前沿》的精彩讲座。
-
292024.08
[科研成果] 课题组5篇论文被计算机视觉领域顶会ECCV 2024录用!
在欧洲计算机视觉国际会议ECCV 2024中,李秀教授指导的课题组有5篇论文被录用!本次课题组录用论文主要围绕人体运动生成、水下目标位姿估计...
焦点关注
-
[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new~
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.
-
[专利推介] 发明专利:一种频率感知流辅助的水下目标位姿估计自监督方法
本发明涉及水下物体位姿估计领域,针对现有方法在实际应用中泛化能力和鲁棒性较差的问题,提出一种频率感知流辅助的水下目标位姿估计自监督方法.
-
[专利推介] 发明专利:一种水下多视图三维重建方法
本发明通过引入混合几何先验和优化神经符号距离函数SDF的重建过程,提供了一种更高效、更精确的水下三维重建解决方案.
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