文本驱动生成

采用分层量化方案的高性能文本驱动3D人体运动生成模型 MoMask采用分层量化方案，将人体运动以高保真细节编码为多层离散运动令牌，依托两个独立双向Transformer网络，基于文本输入预测生成对应运动。相较于现有同类型模型，MoMask在文本到3D人体运动生成任务上效果更优，同时可无缝适配文本引导的时间修复等相关下游任务。

文本驱动的3D发型资产生成工具，以3D发丝为基础表示 不同于现有多数基于AI的3D发型生成方案，HAAR以3D发丝作为基础表示，依托文本输入驱动条件扩散模型，在潜在发型UV空间生成引导发丝，再通过潜在上采样过程重建数十万发丝的浓密发型，还可通过2D视觉问答系统自动注释生成模型，输出资产可直接适配现有计算机图形动画的渲染流程。