Buchumschlag

Bilingual Text-to-Motion Generation: A New Benchmark and Baselines

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Weng, Wanjiang, Tan, Xiaofeng, Shu, Xiangbo, Xie, Guo-Sen, Zhou, Pan, Wang, Hongsong
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computer Vision and Pattern Recognition Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

ReAlign: Bilingual Text-to-Motion Generation via Step-Aware Reward-Guided Alignment
von: Weng, Wanjiang, et al.
Veröffentlicht: (2025)

ReAlign: Text-to-Motion Generation via Step-Aware Reward-Guided Alignment
von: Weng, Wanjiang, et al.
Veröffentlicht: (2025)

EasyTune: Efficient Step-Aware Fine-Tuning for Diffusion-Based Motion Generation
von: Tan, Xiaofeng, et al.
Veröffentlicht: (2026)

MotionRFT: Unified Reinforcement Fine-Tuning for Text-to-Motion Generation
von: Tan, Xiaofeng, et al.
Veröffentlicht: (2026)

SoPo: Text-to-Motion Generation Using Semi-Online Preference Optimization
von: Tan, Xiaofeng, et al.
Veröffentlicht: (2024)

USDRL: Unified Skeleton-Based Dense Representation Learning with Multi-Grained Feature Decorrelation
von: Weng, Wanjiang, et al.
Veröffentlicht: (2024)

Foundation Model for Skeleton-Based Human Action Understanding
von: Wang, Hongsong, et al.
Veröffentlicht: (2025)

Marrying Text-to-Motion Generation with Skeleton-Based Action Recognition
von: Kuang, Jidong, et al.
Veröffentlicht: (2026)

Temporal Consistency-Aware Text-to-Motion Generation
von: Wang, Hongsong, et al.
Veröffentlicht: (2026)

PAMD: Plausibility-Aware Motion Diffusion Model for Long Dance Generation
von: Wang, Hongsong, et al.
Veröffentlicht: (2025)

FTMoMamba: Motion Generation with Frequency and Text State Space Models
von: Li, Chengjian, et al.
Veröffentlicht: (2024)

Flattery in Motion: Benchmarking and Analyzing Sycophancy in Video-LLMs
von: Zhou, Wenrui, et al.
Veröffentlicht: (2025)

DreamCS: Geometry-Aware Text-to-3D Generation with Unpaired 3D Reward Supervision
von: Zou, Xiandong, et al.
Veröffentlicht: (2025)

Kernel-Aware Graph Prompt Learning for Few-Shot Anomaly Detection
von: Tao, Fenfang, et al.
Veröffentlicht: (2024)

Vision-centric Token Compression in Large Language Model
von: Xing, Ling, et al.
Veröffentlicht: (2025)

TextInVision: Text and Prompt Complexity Driven Visual Text Generation Benchmark
von: Fallah, Forouzan, et al.
Veröffentlicht: (2025)

LegalEval-Q: A New Benchmark for The Quality Evaluation of LLM-Generated Legal Text
von: yunhan, Li, et al.
Veröffentlicht: (2025)

Frequency-Guided Diffusion Model with Perturbation Training for Skeleton-Based Video Anomaly Detection
von: Tan, Xiaofeng, et al.
Veröffentlicht: (2024)

Interleaved Scene Graphs for Interleaved Text-and-Image Generation Assessment
von: Chen, Dongping, et al.
Veröffentlicht: (2024)

Attack-Augmentation Mixing-Contrastive Skeletal Representation Learning
von: Xu, Binqian, et al.
Veröffentlicht: (2023)

FedMLLM: Federated Fine-tuning MLLM on Multimodal Heterogeneity Data
von: Xu, Binqian, et al.
Veröffentlicht: (2024)

Coordinate-Based Dual-Constrained Autoregressive Motion Generation
von: Ding, Kang, et al.
Veröffentlicht: (2026)

Text2Vis: A Challenging and Diverse Benchmark for Generating Multimodal Visualizations from Text
von: Rahman, Mizanur, et al.
Veröffentlicht: (2025)

Visual-RAG: Benchmarking Text-to-Image Retrieval Augmented Generation for Visual Knowledge Intensive Queries
von: Wu, Yin, et al.
Veröffentlicht: (2025)

Do Text Edits Generalize to Visual Generation? Benchmarking Cross-Modal Knowledge Editing in UMMs
von: Gao, Xin, et al.
Veröffentlicht: (2026)

R2I-Bench: Benchmarking Reasoning-Driven Text-to-Image Generation
von: Chen, Kaijie, et al.
Veröffentlicht: (2025)

Cross-Modal Retrieval for Motion and Text via DropTriple Loss
von: Yan, Sheng, et al.
Veröffentlicht: (2023)

MMMG: A Massive, Multidisciplinary, Multi-Tier Generation Benchmark for Text-to-Image Reasoning
von: Luo, Yuxuan, et al.
Veröffentlicht: (2025)

AdaFPP: Adapt-Focused Bi-Propagating Prototype Learning for Panoramic Activity Recognition
von: Cao, Meiqi, et al.
Veröffentlicht: (2024)

MVP-Shot: Multi-Velocity Progressive-Alignment Framework for Few-Shot Action Recognition
von: Qu, Hongyu, et al.
Veröffentlicht: (2024)

Mojito: Motion Trajectory and Intensity Control for Video Generation
von: He, Xuehai, et al.
Veröffentlicht: (2024)

ChronoMagic-Bench: A Benchmark for Metamorphic Evaluation of Text-to-Time-lapse Video Generation
von: Yuan, Shenghai, et al.
Veröffentlicht: (2024)

MoTe: Learning Motion-Text Diffusion Model for Multiple Generation Tasks
von: Wu, Yiming, et al.
Veröffentlicht: (2024)

Beyond Cropped Regions: New Benchmark and Corresponding Baseline for Chinese Scene Text Retrieval in Diverse Layouts
von: Li, Gengluo, et al.
Veröffentlicht: (2025)

BAD: Bidirectional Auto-regressive Diffusion for Text-to-Motion Generation
von: Hosseyni, S. Rohollah, et al.
Veröffentlicht: (2024)

T2MBench: A Benchmark for Out-of-Distribution Text-to-Motion Generation
von: Yang, Bin, et al.
Veröffentlicht: (2026)

LADR: Locality-Aware Dynamic Rescue for Efficient Text-to-Image Generation with Diffusion Large Language Models
von: Wang, Chenglin, et al.
Veröffentlicht: (2026)

Draw ALL Your Imagine: A Holistic Benchmark and Agent Framework for Complex Instruction-based Image Generation
von: Zhou, Yucheng, et al.
Veröffentlicht: (2025)

VEFX-Bench: A Holistic Benchmark for Generic Video Editing and Visual Effects
von: Gao, Xiangbo, et al.
Veröffentlicht: (2026)

TextTIGER: Text-based Intelligent Generation with Entity Prompt Refinement for Text-to-Image Generation
von: Ozaki, Shintaro, et al.
Veröffentlicht: (2025)