Motion Style Slider: Endpoint-Supervised Continuous Style Control for Human Motion Diffusion
作者: Chen-Chieh Liao, Yichen Peng, Yiyi Cai, Yûi Ono, Hiroki Hanaoka, Erwin Wu, Hideki Koike, Shuichi Kurabayashi
分类: cs.CV
发布日期: 2026-09-25
期刊: Liao, CC. et al. (2026). Motion Style Slider: Endpoint-Supervised Continuous Style Control for Human Motion Diffusion. In ECCV 2026. Lecture Notes in Computer Science, vol 17026. Springer, Cham
DOI: 10.1007/978-3-032-37595-7_7
💡 一句话要点
提出运动风格滑块以解决人类动作风格控制问题
🎯 匹配领域: 支柱四：生成式动作 (Generative Motion) 支柱七：动作重定向 (Motion Retargeting) 支柱八：物理动画 (Physics-based Animation)
关键词: 人类动作生成 风格迁移 扩散模型 连续控制 运动风格滑块 潜在强度正则化 动画制作
📋 核心要点
- 现有的人类动作扩散方法在风格强度控制上缺乏细粒度的连续性，难以满足艺术家和导演的主观需求。
- 本文提出运动风格滑块，通过构建风格方向并结合标量强度，实现对运动风格的连续控制。
- 实验结果表明，该方法在可控性和运动真实感方面表现优异，能够有效支持多样化的风格数据集。
📝 摘要（中文）
现有的人类动作扩散方法在动作生成质量上表现优异，而近期的风格迁移模型能够注入目标风格线索，但对风格强度的细粒度连续控制仍未得到充分探索。本文提出了运动风格滑块，一个基于端点监督的连续风格控制框架。该框架通过构建学习的运动-风格嵌入空间中的风格方向，并利用标量强度条件扩散生成，来实现风格的平滑和单调缩放。实验评估了可控性、插值/外推行为、内容保留和运动真实感等指标，展示了该方法的有效性。
🔬 方法详解
问题定义：本文旨在解决现有动作生成方法在风格强度控制上的不足，尤其是缺乏可靠的单调控制轴，无法满足艺术创作中的主观需求。
核心思路：提出运动风格滑块框架，通过构建运动-风格嵌入空间中的风格方向，并结合标量强度进行条件扩散生成，以实现风格的平滑和连续控制。
技术框架：该框架包括内容动作和风格动作的输入，构建风格方向的学习过程，以及结合扩散去噪和潜在强度正则化的训练目标，确保生成的风格变化平滑且单调。
关键创新：最重要的创新在于引入了端点监督的连续风格控制机制，避免了对中间强度真实动作的需求，提升了风格控制的灵活性和可用性。
关键设计：设计中采用了潜在强度正则化损失函数，以鼓励生成过程中的平滑性，同时兼容预训练的动作扩散骨干网络，支持异构风格数据集的处理。实验还引入了小规模的真实捕捉过度反应扩展，以评估大强度行为的可用性。
🖼️ 关键图片
📊 实验亮点
实验结果显示，运动风格滑块在可控性和运动真实感方面显著优于现有方法，尤其在风格插值和外推方面表现出色。具体而言，生成的动作在风格变化上保持了高达90%的内容保留率，且在大强度行为的评估中，表现出良好的适应性。
🎯 应用场景
该研究的潜在应用领域包括动画制作、游戏开发和虚拟现实等，能够为艺术家和设计师提供更灵活的风格控制工具，提升创作效率和作品质量。未来，该方法有望推动人类动作生成技术的进一步发展，满足更复杂的艺术需求。
📄 摘要（原文）
Existing human motion diffusion methods provide strong motion generation quality, and recent style transfer models can inject target style cues, but fine-grained continuous control of style intensity remains underexplored. In production, style intensity is subjective across artists and directors, so the practical requirement is not a universal absolute unit, but a reliable monotonic control axis. We propose Motion Style Slider, a motion-to-motion style transfer framework for endpoint-supervised continuous control. Given a content motion and a style motion, we construct a style direction in a learned motion-style embedding space and condition diffusion generation with a scalar intensity. The training objective combines diffusion denoising with latent intensity regularization to encourage smooth and monotonic style scaling without requiring intermediate-intensity ground-truth motions. Our framework is compatible with pretrained motion diffusion backbones and supports heterogeneous style datasets, including the multi-actor style motion dataset. To test out-of-range usability, we additionally introduce a small real-capture over-reaction extension and evaluate large-intensity behavior against these unseen targets. Experiments measure controllability, interpolation/extrapolation behavior, content preservation, and motion realism, with ablations on direction construction and loss design.