MoMask

MoMask是由阿爾伯塔大學團隊開發的3D人體動作生成AI框架，採用生成式掩碼建模技術，能夠根據文本描述生成高保真度的3D人體動作序列。其核心技術結合分層量化方案和雙向Transformer架構，在HumanML3D數據集上達到0.045的FID指標。該框架支持文本到動作生成、時序修復等任務，並提供Blender外掛程式和WebUI等接口，已入選CVPR 2024並開源，並於2024年12月26日作為CVPR 2024論文成果發布。由於該框架完全依賴文本驅動，無法處理音頻信號，因此在需要與語音節奏同步的套用中，其生成的動作節奏較為靜態。

基本介紹

• 外文名：MoMask
• 技術背景：MoBagel
• 最近更新時間：2023年12月4日

核心功能

文本驅動3D動作生成：根據文本描述生成高質量3D人體動作

高精度動作控制：精細控制生成動作的連貫性和逼真度

多平台適配：支持本地/Huggingface/Blender多平台運行

開源可擴展：提供開原始碼支持定製化擴展。

產品沿革

2024年05月03日，阿爾伯塔大學提出文本轉3D骨骼動畫的MoMask框架原型。

2024年10月10日，推出WebUI和Colab線上演示，降低用戶使用門檻。

2024年12月26日，MoMask作為CVPR2024論文成果發布，支持高精度3D動作生成與多平台部署。

對比評估

在2026年4月8日發布的3D數字人動作生成研究SentiAvatar中，MoMask作為對比模型之一參與了評估；定性分析結果顯示，MoMask能夠從文本標籤中部分捕捉動作語義，但由於其模型設計無法獲取語音信息，生成的動作節奏較為靜態，且與音頻的韻律不存在對應關係。