研究团队发布Movens-Zero人形运动基础模型

研究团队发布技术报告，提出 Movens-Zero 人形运动基础模型，采用“理解—生成—执行”架构，支持文本、语音、音乐和视频输入下的实时闭环人形运动生成。 配套数据集 Movens-5M 由互联网视频经片段生成、质量过滤、语义标注、运动恢复及人形重定向物理精炼构建，含 1500 万条人类运动序列和 500 万条可物理执行的人形运动序列，总时长超 1 万小时，并与文本、RGB 视频、语音和音乐对齐。团队同时提出 Movens-Intent 基准，覆盖文本、语音、音乐、视频四类，含 8192 对经专家核验的条件—运动数据。 团队称实验显示，将执行验证数据从 1% 扩至 100%、动作专家参数从 6400 万增至 9.11 亿时，四类模态均取得一致提升，数据质量与跨模态监督也改善生成与执行。

AI 根据报道生成 · 8 天前更新