Buchumschlag

Human Motion Video Generation: A Survey

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Xue, Haiwei, Luo, Xiangyang, Hu, Zhanghao, Zhang, Xin, Xiang, Xunzhi, Dai, Yuqin, Liu, Jianzhuang, Zhang, Zhensong, Li, Minglei, Yang, Jian, Ma, Fei, Wu, Zhiyong, Yang, Changpeng, Dai, Zonghong, Yu, Fei Richard
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition Multimedia
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Co-Speech Gesture Video Generation via Motion-Decoupled Diffusion Model
von: He, Xu, et al.
Veröffentlicht: (2024)

Conversational Co-Speech Gesture Generation via Modeling Dialog Intention, Emotion, and Context with Diffusion Models
von: Xue, Haiwei, et al.
Veröffentlicht: (2023)

High-Fidelity 3D Gaussian Human Reconstruction via Region-Aware Initialization and Geometric Priors
von: Liu, Yang, et al.
Veröffentlicht: (2026)

Cross: A Delay Based Congestion Control Method for RTP Media
von: Zhang, Songyang, et al.
Veröffentlicht: (2024)

MORE-R1: Guiding LVLM for Multimodal Object-Entity Relation Extraction via Stepwise Reasoning with Reinforcement Learning
von: Yuan, Xiang, et al.
Veröffentlicht: (2026)

Discriminative-Generative Synergy for Occlusion Robust 3D Human Mesh Recovery
von: Liu, Yang, et al.
Veröffentlicht: (2026)

A Video Steganography for H.265/HEVC Based on Multiple CU Size and Block Structure Distortion
von: Zhang, Xiang, et al.
Veröffentlicht: (2026)

Tile-Weighted Rate-Distortion Optimized Packet Scheduling for 360$^\circ$ VR Video Streaming
von: Wang, Haopeng, et al.
Veröffentlicht: (2024)

EV-NVC: Efficient Variable bitrate Neural Video Compression
von: Hu, Yongcun, et al.
Veröffentlicht: (2025)

Large Language Models (LLMs): Deployment, Tokenomics and Sustainability
von: Dong, Haiwei, et al.
Veröffentlicht: (2024)

FeatDistill: A Feature Distillation Enhanced Multi-Expert Ensemble Framework for Robust AI-generated Image Detection
von: Tu, Zhilin, et al.
Veröffentlicht: (2026)

HumanVLM: Foundation for Human-Scene Vision-Language Model
von: Dai, Dawei, et al.
Veröffentlicht: (2024)

AxiomVision: Accuracy-Guaranteed Adaptive Visual Model Selection for Perspective-Aware Video Analytics
von: Dai, Xiangxiang, et al.
Veröffentlicht: (2024)

Bringing Robots Home: The Rise of AI Robots in Consumer Electronics
von: Dong, Haiwei, et al.
Veröffentlicht: (2024)

Recognizing Everything from All Modalities at Once: Grounded Multimodal Universal Information Extraction
von: Zhang, Meishan, et al.
Veröffentlicht: (2024)

3DMambaIPF: A State Space Model for Iterative Point Cloud Filtering via Differentiable Rendering
von: Zhou, Qingyuan, et al.
Veröffentlicht: (2024)

H.265/HEVC Video Steganalysis Based on CU Block Structure Gradients and IPM Mapping
von: Zhang, Xiang, et al.
Veröffentlicht: (2026)

Generating Attribute-Aware Human Motions from Textual Prompt
von: Wang, Xinghan, et al.
Veröffentlicht: (2025)

TeMTG: Text-Enhanced Multi-Hop Temporal Graph Modeling for Audio-Visual Video Parsing
von: Chen, Yaru, et al.
Veröffentlicht: (2025)

Optimizing Multimodal LLMs for Egocentric Video Understanding: A Solution for the HD-EPIC VQA Challenge
von: Yang, Sicheng, et al.
Veröffentlicht: (2026)

Multimodal Pretraining, Adaptation, and Generation for Recommendation: A Survey
von: Liu, Qijiong, et al.
Veröffentlicht: (2024)

PointTalk: Audio-Driven Dynamic Lip Point Cloud for 3D Gaussian-based Talking Head Synthesis
von: Xie, Yifan, et al.
Veröffentlicht: (2024)

Chain-of-Modality: Learning Manipulation Programs from Multimodal Human Videos with Vision-Language-Models
von: Wang, Chen, et al.
Veröffentlicht: (2025)

SIDQL: An Efficient Keyframe Extraction and Motion Reconstruction Framework in Motion Capture
von: Zhang, Xuling, et al.
Veröffentlicht: (2024)

A H.265/HEVC Fine-Grained ROI Video Encryption Algorithm Based on Coding Unit and Prompt Segmentation
von: Zhang, Xiang, et al.
Veröffentlicht: (2026)

MeloTrans: A Text to Symbolic Music Generation Model Following Human Composition Habit
von: Wang, Yutian, et al.
Veröffentlicht: (2024)

Towards Multimodal Empathetic Response Generation: A Rich Text-Speech-Vision Avatar-based Benchmark
von: Zhang, Han, et al.
Veröffentlicht: (2025)

Towards Unified Representation of Multi-Modal Pre-training for 3D Understanding via Differentiable Rendering
von: Fei, Ben, et al.
Veröffentlicht: (2024)

MagicMotion: Controllable Video Generation with Dense-to-Sparse Trajectory Guidance
von: Li, Quanhao, et al.
Veröffentlicht: (2025)

TAVGBench: Benchmarking Text to Audible-Video Generation
von: Mao, Yuxin, et al.
Veröffentlicht: (2024)

ConCLVD: Controllable Chinese Landscape Video Generation via Diffusion Model
von: Liu, Dingming, et al.
Veröffentlicht: (2024)

Unison: Harmonizing Motion, Speech, and Sound for Human-Centric Audio-Video Generation
von: Cheng, Shihao, et al.
Veröffentlicht: (2026)

Logic Unseen: Revealing the Logical Blindspots of Vision-Language Models
von: Zhou, Yuchen, et al.
Veröffentlicht: (2025)

Fine-grained Knowledge Graph-driven Video-Language Learning for Action Recognition
von: Zhang, Rui, et al.
Veröffentlicht: (2024)

Adaptive Offloading and Enhancement for Low-Light Video Analytics on Mobile Devices
von: He, Yuanyi, et al.
Veröffentlicht: (2024)

Deep learning for 3D human pose estimation and mesh recovery: A survey
von: Liu, Yang, et al.
Veröffentlicht: (2024)

SM3Det: A Unified Model for Multi-Modal Remote Sensing Object Detection
von: Li, Yuxuan, et al.
Veröffentlicht: (2024)

Freetalker: Controllable Speech and Text-Driven Gesture Generation Based on Diffusion Models for Enhanced Speaker Naturalness
von: Yang, Sicheng, et al.
Veröffentlicht: (2024)

MimicMotion: High-Quality Human Motion Video Generation with Confidence-aware Pose Guidance
von: Zhang, Yuang, et al.
Veröffentlicht: (2024)

A Survey on Energy Consumption and Environmental Impact of Video Streaming
von: Afzal, Samira, et al.
Veröffentlicht: (2024)