Paper¶

使人类运动生成与人类感知保持一致¶

• 使用数据驱动的方法直接从人类那里学习感知评估的可能性。这种方法可以弥合客观指标和主观人类判断之间的差距，从而更准确地评估运动质量。我们收集的真实人类数据规模是数十倍（52.6K 对 1.4K），并使用比较而不是评级，这更稳健。我们设计了批评者模型，以自动从这些比较中学习评分。此外，我们的方法不仅可以评估运动质量，还可以有效改善运动生成结果
• 我们总结了典型的失效模式软生成运动（如抖动、滑脚、肢体扭曲、穿透等），并明确要求注释者排除这些选项。我们提供详细的指导和任务描述和代表视频示例，以便更好地将目标传达给注释者。完整指南在附录A.3中介绍。而最优选择在大多数情况下可以明确决定，但在某些情况下，决策可能具有挑战性。因此，我们增加了“全好”和“全坏”两个选项，使注释者不需要在这些情况下选择其中一种情绪，从而提高整体注释质量。结果表明，这些病例只占总数据的一小部分。我们将这些病例排除在后续实验之外。总计，