Lodge：一种基于特征舞蹈基元引导的粗到细扩散网络用于长时舞蹈生成

我们提出Lodge，一种能够根据给定音乐生成极长舞蹈序列的神经网络。Lodge采用两阶段的粗到细扩散架构，并引入具有显著表现力的特征舞蹈基元（characteristic dance primitives），作为两个扩散模型之间的中间表征。第一阶段为全局扩散，旨在理解音乐与舞蹈之间的粗粒度关联，并生成具有代表性的舞蹈基元；第二阶段为局部扩散，基于生成的舞蹈基元与编舞规则，平行地生成细节丰富的运动序列。此外，我们设计了足部精修模块（Foot Refine Block），用于优化足部与地面的接触关系，从而提升动作的物理真实感。所提方法能够并行生成极长长度的舞蹈序列，在全局编舞模式与局部运动质量及表现力之间取得良好平衡。大量实验验证了该方法的有效性。