Buchumschlag

Riemannian Motion Generation: A Unified Framework for Human Motion Representation and Generation via Riemannian Flow Matching

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Miao, Fangran, Huang, Jian, Li, Ting
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computer Vision and Pattern Recognition Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Survey on Human Interaction Motion Generation
von: Sui, Kewei, et al.
Veröffentlicht: (2025)

Establishing a Unified Evaluation Framework for Human Motion Generation: A Comparative Analysis of Metrics
von: Ismail-Fawaz, Ali, et al.
Veröffentlicht: (2024)

From Diffusion to Flow: Efficient Motion Generation in MotionGPT3
von: Ban, Jaymin, et al.
Veröffentlicht: (2026)

MotionStream: Real-Time Video Generation with Interactive Motion Controls
von: Shin, Joonghyuk, et al.
Veröffentlicht: (2025)

Exploring Text-to-Motion Generation with Human Preference
von: Sheng, Jenny, et al.
Veröffentlicht: (2024)

MotionMatcher: Motion Customization of Text-to-Video Diffusion Models via Motion Feature Matching
von: Wu, Yen-Siang, et al.
Veröffentlicht: (2025)

MC-RFM: Geometry-Aware Few-Shot Adaptation via Mixed-Curvature Riemannian Flow Matching
von: Khazem, Salim, et al.
Veröffentlicht: (2026)

Unified Number-Free Text-to-Motion Generation Via Flow Matching
von: Huang, Guanhe, et al.
Veröffentlicht: (2026)

MotionCtrl: A Unified and Flexible Motion Controller for Video Generation
von: Wang, Zhouxia, et al.
Veröffentlicht: (2023)

Fleximo: Towards Flexible Text-to-Human Motion Video Generation
von: Zhang, Yuhang, et al.
Veröffentlicht: (2024)

Flow-Factory: A Unified Framework for Reinforcement Learning in Flow-Matching Models
von: Ping, Bowen, et al.
Veröffentlicht: (2026)

PackDiT: Joint Human Motion and Text Generation via Mutual Prompting
von: Jiang, Zhongyu, et al.
Veröffentlicht: (2025)

Motion Generation: A Survey of Generative Approaches and Benchmarks
von: Khani, Aliasghar, et al.
Veröffentlicht: (2025)

CoMusion: Towards Consistent Stochastic Human Motion Prediction via Motion Diffusion
von: Sun, Jiarui, et al.
Veröffentlicht: (2023)

Continual Learning of Conjugated Visual Representations through Higher-order Motion Flows
von: Marullo, Simone, et al.
Veröffentlicht: (2024)

FlexMotion: Lightweight, Physics-Aware, and Controllable Human Motion Generation
von: Tashakori, Arvin, et al.
Veröffentlicht: (2025)

Scaling Large Motion Models with Million-Level Human Motions
von: Wang, Ye, et al.
Veröffentlicht: (2024)

Large-Scale Riemannian Meta-Optimization via Subspace Adaptation
von: Yu, Peilin, et al.
Veröffentlicht: (2025)

From Single Images to Motion Policies via Video-Generation Environment Representations
von: Zhi, Weiming, et al.
Veröffentlicht: (2025)

MotionLab: Unified Human Motion Generation and Editing via the Motion-Condition-Motion Paradigm
von: Guo, Ziyan, et al.
Veröffentlicht: (2025)

Boosting Object Representation Learning via Motion and Object Continuity
von: Delfosse, Quentin, et al.
Veröffentlicht: (2022)

Pyramidal Flow Matching for Efficient Video Generative Modeling
von: Jin, Yang, et al.
Veröffentlicht: (2024)

Exploring Diffusion and Flow Matching Under Generator Matching
von: Patel, Zeeshan, et al.
Veröffentlicht: (2024)

UniMoGen: Universal Motion Generation
von: Khani, Aliasghar, et al.
Veröffentlicht: (2025)

Direct Motion Models for Assessing Generated Videos
von: Allen, Kelsey, et al.
Veröffentlicht: (2025)

Riemannian-Geometric Fingerprints of Generative Models
von: Song, Hae Jin, et al.
Veröffentlicht: (2025)

Can Pose Transfer Models Generate Realistic Human Motion?
von: Knapp, Vaclav, et al.
Veröffentlicht: (2025)

Flow Generator Matching
von: Huang, Zemin, et al.
Veröffentlicht: (2024)

Learning Straight Flows: Variational Flow Matching for Efficient Generation
von: Ma, Chenrui, et al.
Veröffentlicht: (2025)

A Unified and General Framework for Continual Learning
von: Wang, Zhenyi, et al.
Veröffentlicht: (2024)

General Transform: A Unified Framework for Adaptive Transform to Enhance Representations
von: Budiutama, Gekko, et al.
Veröffentlicht: (2025)

FLOAT: Generative Motion Latent Flow Matching for Audio-driven Talking Portrait
von: Ki, Taekyung, et al.
Veröffentlicht: (2024)

Multi-Track Timeline Control for Text-Driven 3D Human Motion Generation
von: Petrovich, Mathis, et al.
Veröffentlicht: (2024)

A Unifying View of Variational Generative Wasserstein Flows
von: Caucheteux, Paul, et al.
Veröffentlicht: (2026)

Laplacian Multi-scale Flow Matching for Generative Modeling
von: Zhao, Zelin, et al.
Veröffentlicht: (2026)

Human Motion Synthesis_ A Diffusion Approach for Motion Stitching and In-Betweening
von: Adewole, Michael, et al.
Veröffentlicht: (2024)

Reweighted Flow Matching via Unbalanced OT for Label-free Long-tailed Generation
von: Song, Hyunsoo, et al.
Veröffentlicht: (2025)

MCM: Multi-condition Motion Synthesis Framework
von: Ling, Zeyu, et al.
Veröffentlicht: (2024)

VisualMimic: Visual Humanoid Loco-Manipulation via Motion Tracking and Generation
von: Yin, Shaofeng, et al.
Veröffentlicht: (2025)

Unsupervised 4D Cardiac Motion Tracking with Spatiotemporal Optical Flow Networks
von: Teng, Long, et al.
Veröffentlicht: (2024)