TAME：跨异构人形骨骼的拓扑感知文本驱动运动编辑

文本驱动的动作编辑根据文本指令修改现有的动作序列，同时保留源动作的内容。现有方法通常是针对单个固定骨架拓扑构建的，这限制了它们在动画管道中的使用，其中角色的关节计数和骨骼层次结构不同。我们提出了拓扑感知运动编辑器（TAME），这是一种流程匹配转换器，可以编辑不同拓扑的人形骨骼上的运动。 TAME 将运动表示为每关节、每帧token，并通过骨骼、时间和文本交叉注意层对关节之间、跨帧以及与文本指令的交互进行建模。为了使骨骼注意力遵循每个角色的层次结构，TAME 用拓扑约束骨骼传播 (TCSP) 替换了完全联合注意力，后者将注意力限制在骨骼邻接矩阵中的一跳运动学邻居上。我们进一步引入了以编辑为中心的表示对齐（EFRA），这是一种自蒸馏的表示对齐策略，可将学生模型特征与仅在编辑相关联合时间token上更清晰的 EMA-教师模型特征对齐，从而使编辑忠实于指令。为了使此设置与可训练具有可比性，我们构建了 TopoMotionFix，这是 MotionFix 的多拓扑扩展，具有可见和不可见的拓扑评估协议。 TAME 在 MotionFix 上的编辑对齐和源保留方面优于以前的方法，并可靠地编辑 TopoMotionFix 中看不见的骨架上的运动。