懂AI
HumanTOMATO

HumanTOMATO

文本驱动的全身动作生成系统

研究提出了一种新的文本驱动全身动作生成任务，通过给定的文本描述生成高质量、多样且连贯的面部表情、手势和身体动作。HumanTOMATO 通过使用 Holistic Hierarchical VQ-VAE 和 Hierarchical-GPT 确保动作生成与文本的精确对齐。实验显示，该模型在动作生成质量和文本匹配度上有显著优势。

HumanTOMATO全身动作生成文本驱动H²VQ层次化GPTGithub开源项目
访问官网GitHub论文

HumanTOMATO项目介绍

项目概述

HumanTOMATO是一个创新的文本驱动全身体动作生成项目。其目标是通过输入文本描述生成高质量、富有多样性且连贯的面部表情、手势和身体动作。这一项目试图解决以往文本驱动运动生成研究中的两个主要局限：一是忽视了精细的手势和面部表情在生动全身体动作中的关键作用，二是缺乏文本与运动之间的良好对齐。

解决方案

为了克服这些挑战，HumanTOMATO框架推出了两项关键设计：

  1. 全方位等级向量量化 (H²VQ)和Hierarchical-GPT： 采用两个结构化代码表用于精细身体和手部动作的重构和生成，确保生成的动作具有层次结构关系。

  2. 预训练文本-动作对齐模型： 帮助生成的动作精确对齐输入的文本描述。这样，文本与动作之间的关联更加紧密，生成的动作也更加符合自然语境。

主要亮点

HumanTOMATO模型能够生成与文本对齐的全方位动作，包括生动而协调的面部、手部和身体动作。项目展示了两个高质量的生成结果，证明了其在动作用质量和文本对齐上的显著优势。

系统概述

HumanTOMATO的系统可以分为几个部分：

  • 全方位等级向量量化 (H²VQ)： 将精细的身体和手部动作压缩成两个具有层级结构关系的离散代码表。
  • Hierarchical-GPT： 使用运动感知文本嵌入作为输入层级生成身体和手部动作。
  • 面部文本条件变分自编码器 (cVAE)： 生成相应的面部动作。身体、手部和面部动作共同构成生动且与文本对齐的全身体动作。

寻求合作

如果本项目代码对您的研究有帮助，请在相关文档中进行引用。

授权

HumanTOMATO项目遵循IDEA许可协议，同时也基于其他一些拥有自身许可协议的库和数据集。

项目致谢所有代码库TMR、MLD、T2M-GPT和HumanML3D的贡献者，这些基础工作对HumanTOMATO项目的开展有重要支持。如有疑问，请通过邮箱与项目作者联系。

通过以上介绍，我们可以了解到HumanTOMATO在文本驱动全身体运动生成领域的独特创新和重大贡献。希望这项工作能为该领域的研究者提供新的思路和实践工具。

编辑推荐精选

Keevx

Keevx

AI数字人视频创作平台

Keevx 一款开箱即用的AI数字人视频创作平台，广泛适用于电商广告、企业培训与社媒宣传，让全球企业与个人创作者无需拍摄剪辑，就能快速生成多语言、高质量的专业视频。

即梦AI

即梦AI

一站式AI创作平台

提供 AI 驱动的图片、视频生成及数字人等功能，助力创意创作

扣子-AI办公

扣子-AI办公

AI办公助手，复杂任务高效处理

AI办公助手，复杂任务高效处理。办公效率低？扣子空间AI助手支持播客生成、PPT制作、网页开发及报告写作，覆盖科研、商业、舆情等领域的专家Agent 7x24小时响应，生活工作无缝切换，提升50%效率！

TRAE编程

TRAE编程

AI辅助编程，代码自动修复

Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
蛙蛙写作

蛙蛙写作

AI小说写作助手，一站式润色、改写、扩写

蛙蛙写作—国内先进的AI写作平台，涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能，助力创作者高效优化写作流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。

AI辅助写作AI工具蛙蛙写作AI写作工具学术助手办公助手营销助手AI助手
问小白

问小白

全能AI智能助手，随时解答生活与工作的多样问题

问小白，由元石科技研发的AI智能助手，快速准确地解答各种生活和工作问题，包括但不限于搜索、规划和社交互动，帮助用户在日常生活中提高效率，轻松管理个人事务。

热门AI助手AI对话AI工具聊天机器人
Transly

Transly

实时语音翻译/同声传译工具

Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手，它拥有超精准的音频识别翻译能力，几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球，无论你是留学生、商务人士、韩剧美剧爱好者，还是出国游玩、多国会议、跨国追星等等，都可以满足你所有需要同传的场景需求，线上线下通用，扫除语言障碍，让全世界的语言交流不再有国界。

讯飞智文

讯飞智文

一键生成PPT和Word，让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞��星火

讯飞星火

深度推理能力全新升级，全面对标OpenAI o1

科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适用于多种文件和业务场景，提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目提供了高效的 LLM（大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。

下拉加载更多