تولید حرکات واقعگرایانه انسانی توسط مدلهای هوش مصنوعی همیشه با چالشی به نام «افت معنایی» (Semantic Drift) روبرو بوده است. حالا محققان فریمورک نوآورانه WINRO را معرفی کردهاند که بدون نیاز به آموزش مجدد (Training-free)، کیفیت خروجی مدلهای تولید حرکت (Motion Generation) را بهشدت بهبود میبخشد. 🚶♂️✨
این متد با شناسایی «بلیطهای نویز برنده» (Winning Noise Tickets) در فضای نویز گاوسی، بهترین نویز اولیه را برای رسیدن به دقیقترین حرکت انتخاب و اصلاح میکند. این یعنی حرکاتی با ثبات معنایی بیشتر و انتقالهای نرمتر بین بخشهای مختلف یک حرکت پیچیده.
این دستاورد نه تنها برای مدلهایی مثل MDM و MotionLCM کاربرد دارد، بلکه در استایلدهی به حرکت و رعایت محدودیتهای فضایی نیز بسیار قدرتمند عمل میکند. دنیای انیمیشنسازی با هوش مصنوعی هر روز جذابتر از قبل میشود! 🤖🎬
منبع: arXiv Computer Vision