HumanTOMATO

文本驱动的全身动作生成系统

研究提出了一种新的文本驱动全身动作生成任务，通过给定的文本描述生成高质量、多样且连贯的面部表情、手势和身体动作。HumanTOMATO 通过使用 Holistic Hierarchical VQ-VAE 和 Hierarchical-GPT 确保动作生成与文本的精确对齐。实验显示，该模型在动作生成质量和文本匹配度上有显著优势。

HumanTOMATO全身动作生成文本驱动H²VQ层次化GPTGithub开源项目

访问官网

GitHub

论文

HumanTOMATO项目介绍

项目概述

HumanTOMATO是一个创新的文本驱动全身体动作生成项目。其目标是通过输入文本描述生成高质量、富有多样性且连贯的面部表情、手势和身体动作。这一项目试图解决以往文本驱动运动生成研究中的两个主要局限：一是忽视了精细的手势和面部表情在生动全身体动作中的关键作用，二是缺乏文本与运动之间的良好对齐。

解决方案

为了克服这些挑战，HumanTOMATO框架推出了两项关键设计：

全方位等级向量量化 (H²VQ)和Hierarchical-GPT： 采用两个结构化代码表用于精细身体和手部动作的重构和生成，确保生成的动作具有层次结构关系。
预训练文本-动作对齐模型： 帮助生成的动作精确对齐输入的文本描述。这样，文本与动作之间的关联更加紧密，生成的动作也更加符合自然语境。

主要亮点

HumanTOMATO模型能够生成与文本对齐的全方位动作，包括生动而协调的面部、手部和身体动作。项目展示了两个高质量的生成结果，证明了其在动作用质量和文本对齐上的显著优势。

系统概述

HumanTOMATO的系统可以分为几个部分：

全方位等级向量量化 (H²VQ)： 将精细的身体和手部动作压缩成两个具有层级结构关系的离散代码表。
Hierarchical-GPT： 使用运动感知文本嵌入作为输入层级生成身体和手部动作。
面部文本条件变分自编码器 (cVAE)： 生成相应的面部动作。身体、手部和面部动作共同构成生动且与文本对齐的全身体动作。

寻求合作

如果本项目代码对您的研究有帮助，请在相关文档中进行引用。

授权

HumanTOMATO项目遵循IDEA许可协议，同时也基于其他一些拥有自身许可协议的库和数据集。

项目致谢所有代码库TMR、MLD、T2M-GPT和HumanML3D的贡献者，这些基础工作对HumanTOMATO项目的开展有重要支持。如有疑问，请通过邮箱与项目作者联系。

通过以上介绍，我们可以了解到HumanTOMATO在文本驱动全身体运动生成领域的独特创新和重大贡献。希望这项工作能为该领域的研究者提供新的思路和实践工具。

编辑推荐精选

Manus

全面超越基准的 AI Agent助手

Manus 是一款通用人工智能代理平台，能够将您的创意和想法迅速转化为实际成果。无论是定制旅行规划、深入的数据分析，还是教育支持与商业决策，Manus 都能高效整合信息，提供精准解决方案。它以直观的交互体验和领先的技术，为用户开启了一个智慧驱动、轻松高效的新时代，让每个灵感都能得到完美落地。

飞书知识问答

飞书官方推出的AI知识库上传word pdf即可部署AI私有知识库

基于DeepSeek R1大模型构建的知识管理系统，支持PDF、Word、PPT等常见文档格式解析，实现云端与本地数据的双向同步。系统具备实时网络检索能力，可自动关联外部信息源，通过语义理解技术处理结构化与非结构化数据。免费版本提供基础知识库搭建功能，适用于企业文档管理和个人学习资料整理场景。

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。

TraeAI IDE协作生产力转型热门AI工具

酷表ChatExcel

大模型驱动的Excel数据处理工具

基于大模型交互的表格处理系统，允许用户通过对话方式完成数据整理和可视化分析。系统采用机器学习算法解析用户指令，自动执行排序、公式计算和数据透视等操作，支持多种文件格式导入导出。数据处理响应速度保持在0.8秒以内，支持超过100万行数据的即时分析。

使用教程AI工具酷表ChatExcelAI智能客服AI营销产品

DeepEP

DeepSeek开源的专家并行通信优化框架

DeepEP是一个专为大规模分布式计算设计的通信库，重点解决专家并行模式中的通信瓶颈问题。其核心架构采用分层拓扑感知技术，能够自动识别节点间物理连接关系，优化数据传输路径。通过实现动态路由选择与负载均衡机制，系统在千卡级计算集群中维持稳定的低延迟特性，同时兼容主流深度学习框架的通信接口。

DeepSeek

全球领先开源大模型，高效智能助手

DeepSeek是一家幻方量化创办的专注于通用人工智能的中国科技公司，主攻大模型研发与应用。DeepSeek-R1是开源的推理模型，擅长处理复杂任务且可免费商用。

KnowS

AI医学搜索引擎整合4000万+实时更新的全球医学文献

医学领域专用搜索引擎整合4000万+实时更新的全球医学文献，通过自主研发AI模型实现精准知识检索。系统每日更新指南、中英文文献及会议资料，搜索准确率较传统工具提升80%，同时将大模型幻觉率控制在8%以下。支持临床建议生成、文献深度解析、学术报告制作等全流程科研辅助，典型用户反馈显示每周可节省医疗工作者70%时间。

Windsurf Wave 3

Windsurf Editor推出第三次重大更新Wave 3

新增模型上下文协议支持与智能编辑功能。本次更新包含五项核心改进：支持接入MCP协议扩展工具生态，Tab键智能跳转提升编码效率，Turbo模式实现自动化终端操作，图片拖拽功能优化多模态交互，以及面向付费用户的个性化图标定制。系统同步集成DeepSeek、Gemini等新模型，并通过信用点数机制实现差异化的资源调配。

AI IDE