PartMotionEdit: Fine-Grained Text-Driven 3D Human Motion Editing via Part-Level Modulation

📄 arXiv: 2512.24200v1 📥 PDF

作者: Yujie Yang, Zhichao Zhang, Jiazhou Chen, Zichao Wu

分类: cs.GR

发布日期: 2025-12-30

备注: 10 pages, 4 figures

💡 一句话要点

PartMotionEdit：通过部件级调制实现细粒度文本驱动的3D人体运动编辑

🎯 匹配领域: 支柱七：动作重定向 (Motion Retargeting) 支柱八：物理动画 (Physics-based Animation)

关键词: 3D人体运动编辑 文本驱动 部件级调制 跨模态学习 运动生成

📋 核心要点

  1. 现有文本驱动的3D人体运动编辑方法难以精确控制局部、细粒度的运动细节。
  2. PartMotionEdit通过部件级语义调制，动态预测各身体部位的调制权重，实现精细化编辑。
  3. 实验结果表明，PartMotionEdit在运动编辑任务上优于现有方法，具有显著的性能提升。

📝 摘要（中文）

现有的文本驱动3D人体运动编辑方法取得了显著进展，但由于其全局建模的特性，难以精确控制特定部件的细节运动。本文提出了PartMotionEdit，一种新颖的细粒度运动编辑框架，通过部件级语义调制来实现。PartMotionEdit的核心是部件感知运动调制（PMM）模块，它基于预定义的五部分身体分解，动态预测每个身体部位随时间变化的调制权重，从而实现对局部运动的精确和可解释的编辑。为了指导PMM的训练，我们还引入了一种双层归一化增强的部件级相似度曲线监督机制，帮助PMM学习跨所有身体部位的语义一致且可编辑的分布。此外，我们设计了一个双向运动交互（BMI）模块，利用双向跨模态注意力来实现文本指令和运动语义之间更准确的语义对齐。在知名基准上的大量定量和定性评估表明，PartMotionEdit优于最先进的方法。

🔬 方法详解

问题定义：现有文本驱动的3D人体运动编辑方法主要采用全局建模方式，无法对人体运动的局部细节进行精确控制。用户难以通过文本指令精细调整特定身体部位的运动，例如“稍微抬高左臂”或“加快右腿的摆动速度”。现有方法缺乏对运动部件的针对性建模和控制能力，导致编辑结果不够精细和可控。

核心思路：PartMotionEdit的核心思路是将人体分解为多个部件（例如头部、躯干、四肢），并针对每个部件进行独立的运动调制。通过预测每个部件随时间变化的调制权重，可以实现对局部运动的精细控制。这种部件级的调制方式使得用户可以通过文本指令精确调整特定身体部位的运动，从而实现更灵活和可控的运动编辑。

技术框架：PartMotionEdit框架主要包含以下几个核心模块：1) 部件感知运动调制（PMM）模块：该模块负责预测每个身体部位的调制权重，实现对局部运动的控制。2) 双向运动交互（BMI）模块：该模块利用双向跨模态注意力机制，实现文本指令和运动语义之间的准确对齐。3) 部件级相似度曲线监督机制：该机制用于指导PMM模块的训练，确保学习到语义一致且可编辑的部件运动分布。整体流程是：首先，将输入的文本指令和原始运动序列输入到BMI模块中进行跨模态特征融合；然后，将融合后的特征输入到PMM模块中，预测每个部件的调制权重；最后，根据调制权重对原始运动序列进行调整，生成编辑后的运动序列。

关键创新：PartMotionEdit的关键创新在于其部件级的运动调制方式。与现有方法采用的全局建模方式不同，PartMotionEdit将人体分解为多个部件，并针对每个部件进行独立的运动调制。这种部件级的调制方式使得用户可以通过文本指令精确调整特定身体部位的运动，从而实现更灵活和可控的运动编辑。此外，双层归一化增强的部件级相似度曲线监督机制也保证了PMM模块可以学习到语义一致且可编辑的部件运动分布。

关键设计：PMM模块基于预定义的五部分身体分解（头部、躯干、左臂、右臂、腿部）。PMM模块采用时间卷积网络（TCN）来预测每个部件随时间变化的调制权重。部件级相似度曲线监督机制通过计算原始运动序列和编辑后运动序列在每个部件上的相似度曲线，来指导PMM模块的训练。双层归一化包括对相似度曲线进行归一化，以及对PMM模块的输出进行归一化，以确保训练的稳定性和效果。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

PartMotionEdit在HumanML3D数据集上进行了定量和定性评估，实验结果表明，PartMotionEdit在运动编辑任务上优于现有方法。具体而言，PartMotionEdit在R精度和FID指标上均取得了显著提升，表明其生成的运动序列更符合文本描述，且具有更高的真实感。相较于SOTA方法，在部分指标上提升超过10%。

🎯 应用场景

PartMotionEdit可应用于游戏开发、动画制作、虚拟现实等领域。在游戏开发中，可以用于快速生成和编辑角色动画，提高开发效率。在动画制作中，可以用于精确调整角色的运动细节，提升动画质量。在虚拟现实中，可以用于实现更自然和逼真的人机交互，增强用户体验。该研究的未来影响在于推动更智能、更可控的3D人体运动生成和编辑技术的发展。

📄 摘要（原文）

Existing text-driven 3D human motion editing methods have demonstrated significant progress, but are still difficult to precisely control over detailed, part-specific motions due to their global modeling nature. In this paper, we propose PartMotionEdit, a novel fine-grained motion editing framework that operates via part-level semantic modulation. The core of PartMotionEdit is a Part-aware Motion Modulation (PMM) module, which builds upon a predefined five-part body decomposition. PMM dynamically predicts time-varying modulation weights for each body part, enabling precise and interpretable editing of local motions. To guide the training of PMM, we also introduce a part-level similarity curve supervision mechanism enhanced with dual-layer normalization. This mechanism assists PMM in learning semantically consistent and editable distributions across all body parts. Furthermore, we design a Bidirectional Motion Interaction (BMI) module. It leverages bidirectional cross-modal attention to achieve more accurate semantic alignment between textual instructions and motion semantics. Extensive quantitative and qualitative evaluations on a well-known benchmark demonstrate that PartMotionEdit outperforms the state-of-the-art methods.