热点事件持续更新

PhysibleMDM：推理时约束运动扩散模型物理可行性

1 篇报道1 个报道来源3 小时前更新

先了解这件事

AI 综述

Maximilian Stölzle 等作者提出 PhysibleMDM 框架，在推理阶段优化扩散噪声，无需重新训练生成模型，即可提升运动扩散模型输出的物理可行性。在 SMPL 人形模型的 100 种运动风格上，该方法将平均地面穿透、自碰撞穿透和地面滑移分别降低 75%、92% 和 74%；在自定义双足机器人的 11 段序列上，每序列平均加速度重建误差中位数降低 89.5%，逆动力学残差均值降低 79.5%。

AI 根据报道生成 · 3 小时前更新

最新进展10月23日 12:00

PhysibleMDM：通过噪声优化在推理时为运动扩散模型施加物理可行性约束

报道时间线

沿着报道，了解事件的不同侧面。

10月23日

12:00
arXiv · cs.AI
PhysibleMDM：通过噪声优化在推理时为运动扩散模型施加物理可行性约束
PhysibleMDM 在推理阶段优化扩散噪声、无需重新训练生成模型，即可提升运动扩散模型输出的物理可行性。在 SMPL 人形模型的 100 种运动风格上，该方法将平均地面穿透、自碰撞穿透和地面滑移分别降低 75%、92% 和 74%；在自定义双足机器人的 11 段序列上，每序列平均加速度重建误差中位数降低 89.5%，逆动力学残差均值降低 79.5%。

本事件热度走势

可比范围当前: 9
可比范围峰值: 1010月23日 13:00
近 24 小时变化: –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。