研究人员引入了一种结构感知框架，用于音乐驱动的舞蹈生成，该框架将编舞建模为原子动作的序列，而非连续信号。

  • 该方法通过对大规模舞蹈数据进行分段并将其聚类成组来构建原子动作词汇表。
  • 使用大型语言模型对这些簇进行语义重新标记和细化，创建可解释且可重用的运动事件。
  • 两阶段生成过程模拟了人类编舞：首先预测动作的类型、持续时间和时机以形成符号分配，然后通过过渡感知生成器合成平滑的运动。
  • 实验表明，与基线相比，结构连贯性、节奏对齐和感知自然度有所提高，同时可解释性和可控编辑能力也得到增强。

这种方法解决了先前神经方法中缺乏组合结构的问题，使生成的舞蹈更易于控制，并与输入音乐在语义上保持一致。