在演义阅读器读本章贵阳铁皮保温施工队
去阅读
文本驱动的东谈主体动作生成是游戏 NPC、诬捏主播、机器东谈主领域等及时交互系统的中枢技能。
但现在干系家具生成出的动作多数有些僵硬。
比年来，非流式（non-streaming）动作生成模子已冉冉持重，如 MDM、MoMask 等法在给定好意思满文本后简略生成质料的动作序列。然而，这些法需要次赢得好意思满的文本指示智力运转生成，法满足及时交互场景中"边说边动"的需求。径直将多段非流式生成的遣散进行拼接会致动作不连贯和昭着的蔓延。
已有的流式生成法主要分为两类：基于分块扩散（Chunk-based Diffusion）的法（如 PRIMAL）需要恭候填满总计这个词高下文窗口智力运转生成，存在严重的帧蔓延；基于自回来模子 + 扩散头的法（如 MotionStreamer）难以显式行使恒久历史信息。这两类法都存在闇练 - 理不致的问题——闇练时使用好意思满动作，理时通过手动检测指示词变、罢手并刷新来杀青流式输出。
针对这些问题，汜博 AI 探究院（东京）与东京大学的探究者联建议了FloodDiffusion，个基于定制化扩散强制（Diffusion Forcing）的流式东谈主体动作生成框架。给定随时代变化的文本流，FloodDiffusion 简略以蔓延生成丝滑过渡、与指示对王人的限长动作序列。
本文依然入选CVPR 2026 Highlight。
△ FloodDiffusion 流式奏凯果：给定时变文本指示（如"抬腿"紧接着"蹲"），生成平滑聚会的东谈主体动作序列定制化扩散强制的三大创新创新：下三角时代调度（Lower-Triangular Schedule）
邮箱：215114768@qq.com△ 噪声调度对比：扩散强制（当场调度）vs 分块扩散（均匀调度）vs FloodDiffusion（下三角调度）
原始扩散强制为序列中每帧当场采样不同的噪声时代步，致闇练与理时的噪声散布不致。FloodDiffusion 继承确定的下三角噪声调度：在职意时刻 t，序列中仅存在个固定大小的"举止窗口"（Active Window），窗口前的帧已去噪，窗口后的帧仍为纯噪声。
这蓄意从数学上保证了：流式理时每帧的生成质料与好意思满扩散模子致（精准似然，而非 ELBO 雷同）。同期，模子仅需在举止窗口内进行筹画，杀青了恒定的筹画支拨和 1 帧的流式蔓延。
创新二：窗口内双向重意见（Bi-directional Attention）
与域的扩散强制使用因果重意见不同，FloodDiffusion 在滑动窗口内继承双向重意见机制。由于举止窗口内不同帧处于不同的去噪阶段，现时帧需要"看到"窗口内总计高下文智力基于新的文本指示进行去噪。因果掩码会丢弃窗口内可用的高下文信息，致严重的能下跌。
创新三：聚会时变文本调节（Continuous Time-Varying Text Conditioning）
传统流式系统依赖"显式刷新"机制——检测到新的文本指示后罢手现时生成、清空缓存、从头运转。FloodDiffusion放手了这机制，继承逐帧的文本条目注入式：行使预闇练 T5 编码器索求文本特征，通过旋转位置编码与动作 token 对王人，在重意见层中每帧仅祥和现每每刻对应的文本指示。
这蓄意使模子简略自相宜地融新指示，需理时的复杂化，杀青从"步碾儿"到"跑步"的当然缝切换。同组文本指示在不同期刻输入不错产生不同的动作遣散，体现了模子对时序信息的精准感知。
收集架构
△ FloodDiffusion 合座框架：263 维动作流经因果 VAE 编码到 4 维隐空间，在举止窗口内进行扩散去噪，逐帧解码输出
FloodDiffusion 继承隐空间扩散（Latent Diffusion）框架。263 维的原始动作流先通过因果 VAE 编码为紧凑的 4 维隐空间序列，扩散经由仅在隐空间中进行，裁汰了流式蔓延并让去噪器注于时序结构建模。
模子在举止窗口 [ m ( t ) , n ( t ) ) 内展望隐变量的速率场贵阳铁皮保温施工队，条目为高下文 [ 0, n ( t ) ) 内的历史帧和对应文本。理时，窗口逐帧滑动，生成的隐变量立即解码为动作输出，杀青确实的流式生成。
因果 VAE（Causal VAE）
不同于非流式法使用的双向卷积 VAE 或 VQ-VAE，FloodDiffusion 继承严格因果蓄意的 VAE：解码器在时刻 t 不依赖明天帧。架构基于生成模子 Wan2.1 的因果 VAE，总计时空模块均适配为 1D 时序动作序列。使用 L2 重建损成仇程序容许 / 码本吃亏进行闇练，铁皮保温施工时代下采样因子为 4，隐空间通谈维度为 4。
DiT 去噪主干
隐空间去噪器基于 DiT（Diffusion Transformer）架构，继承分享时代镶嵌旅途（而非逐块的时代 MLP）。使用均匀时代步采样，流匹配时代偏移开导为 1 以适配下三角调度。文本条目逐帧施加，T5 编码器（大长度 128）索求的 token 特征通过旋转位置编码与现每每刻的动作 token 对王人，在自重意见中通过偏置掩码确保每帧仅祥和现时激活的文本指示。
现实遣散定量评估
在HumanML3D 基准上，FloodDiffusion 取得了 FID 0.057 的收货，不仅越了现存流式模子 PRIMAL（FID 0.511）和 MotionStreamer（FID 0.092），致使达到了 SOTA 非流式模子 MoMask（FID 0.045）的水平。在文本 - 动作对王人主张上，R-Precision@1/2/3 分辩达到 0.523/0.717/0.810，MM-Dist 达到 2.887，均为总计法中。
在BABEL 数据集的流式评估中，FloodDiffusion 在过渡平滑度主张上相似先：Peak Jerk（PJ）为 0.713（接近真实数据的 1.100），Area Under Jerk（AUJ）为 14.05，远于 PRIMAL（PJ 1.304, AUJ 19.36）和 MotionStreamer（PJ 0.912, AUJ 16.57）。
△ HumanML3D 与 BABEL 数据集上的定量评估遣散（粗体为 FloodDiffusion）用户探究
在 100 东谈主参与的盲测用户探究中，继承 Bradley-Terry 模子对三个生成模子和真实动作进行分。FloodDiffusion 在"动作质料偏好"（Preference: 0.024）、"过渡当然度"（Transition: 0.152）和"指示致"（Consistency: -0.021）三个维度上均显赫于 PRIMAL 和 MotionStreamer，且在过渡当然度上致使接近真实数据（0.299）。
△ Bradley-Terry 用户探究遣散（100 名参与者）消融现实
消融现实考据了两项中枢蓄意的不成或缺：
△ 中枢蓄意消融现实：移除任创新均致能断崖式下跌
移除双向重意见（仅使用因果重意见）：FID 从 0.057 飙升至 3.377，R@3 从 0.810 降至 0.625；移除下三角调度（使用当场调度）：FID 从 0.057 飙升至 3.883，R@3 从 0.810 降至 0.532。两项创新的缺失均致模子能断崖式下跌，诠释了定制化修订对扩散强制框架在动作生成任务上的决定作用。
△ Classifier-Free Guidance（CFG）对 FID 和 MM-Dist 的影响， CFG=6 果展示
时变条目反映：
△ 时变条目对比：同文本指示在不同期刻输入产生不同的动作遣散，体现模子对时序信息的精准感知
FloodDiffusion 简略把柄文本指示的输入时机生成不同的动作遣散。如图所示：（左上）两个指示词分辩在不同帧输入，模子挨次反映生成对应动作；（右上）相似的指示词看成单输入次给出，模子生成不同的混动作；（左下）两个指示词在序列前期输入；（右下）相似的指示词在序列后期输入——模子对时序信息的精准感知使其在不同场景下产生理的各异化输出。
长序列生成：
△ 长序列生成：新指示词时重迭现时动作（左），可通过" stand "等指示罢手（右）
在长序列场景中，FloodDiffusion 展现了两种典型步履：（左）当莫得新的指示词输入时，模子会抓续重迭现时文本指示对应的动作；（右）在本色应用中，不错通过显式给出静止类指示（如" stand "）来罢手现时动作，杀青无邪的交互领域。
总结
FloodDiffusion 是个将扩散强制框架奏凯应用于流式东谈主体动作生成的系统。通过下三角时代调度、窗口内双向重意见和聚会时变文本调节三项定制化修订，FloodDiffusion 从根柢上惩处了原始扩散强制在动作数据上的散布坍弛问题。该框架闇练与理保抓致、需理时的手动化、具备恒定筹画支拨和低的领域反映蔓延，为及时交互游戏 NPC、诬捏主播及机器东谈主领域等场景提供了质料的流式动作生成惩处案。
明天职责将扩张至音频、力反馈、环境信息等多时变条目的融。
作家：
Yiyi Cai, Yuhan Wu, Kunhang Li, You Zhou, Bo Zheng, Haiyang Liu
单元：
汜博收集 AI 探究院（东京），东京大学
论文地址：
https://arxiv.org/abs/2512.03520
阵势主页：
https://shandaai.github.io/FloodDiffusion/
代码：
https://github.com/ShandaAI/FloodDiffusion
键三连「点赞」「转发」「注重心」
接待在驳倒区留住你的念念法！
— 完 —
咱们正在招聘名眼疾手快、祥和 AI 的学术裁剪实习生 � �
感酷好的小伙伴接待祥和 � � 了解细目
� � 点亮星标 � �
科技前沿阐发逐日见
相关词条:罐体保温施工 异型材设备 锚索 玻璃棉 保温护角专用胶1.本网站以及本平台支持关于《新广告法》实施的“极限词“用语属“违词”的规定，并在网站的各个栏目、产品主图、详情页等描述中规避“违禁词”。
2.本店欢迎所有用户指出有“违禁词”“广告法”出现的地方，并积极配合修改。
3.凡用户访问本网页，均表示默认详情页的描述，不支持任何以极限化“违禁词”“广告法”为借口理由投诉违反《新广告法》贵阳铁皮保温施工队，以此来变相勒索商家索要赔偿的违法恶意行为。
