JCA 模型为任意骨架联合生成 3D 动作与视频

NVIDIA 研究团队提出 JCA 模型，可为任意给定骨架同时生成视频与可回放的 3D 动作，并输出将动作配准到场景的相机。该模型把 3D 动作保留在独立模型中支持任意骨架，通过少量交叉注意力层连接预训练视频模型，动作模型先用纯动作数据学习骨架运动。