Motion4Motion：突破骨架限制，實現跨物種動作遷移的免訓練創新技術

本研究提出免訓練的 Motion4Motion 框架，捨棄傳統的人體骨架限制，改以運動流建模。此技術成功實現了不同物種間的動作遷移，大幅降低對標記資料的依賴，並在多項應用中展現卓越成效。

Problem

現有的動作遷移技術過度依賴預定義的人體骨架結構，不僅需要針對特定骨架進行模型訓練，且難以套用到動物或其他非人生物物種。此外，多樣化骨架的標記資料稀缺，限制了模型的大規模訓練與泛化能力。

提出名為 Motion4Motion 的免訓練框架。該技術跳脫傳統骨架限制，改為對影片中角色的「運動流」（motion flow）進行建模。這種方法能更靈活地捕捉動作特徵，不論目標對象的生理結構為何，皆能在推論階段直接進行動作遷移。

實驗結果證明，Motion4Motion 在多種跨物種與跨角色的動作遷移測試中，表現均顯著優於現有的基準模型。此研究展示了多項創新應用，且無需額外的模型微調或標記資料訓練。

這項研究為數位內容創作提供了全新的可能性，讓動畫師與開發者能輕鬆將特定動作應用於完全不同物種的角色上。其免訓練與去骨架化的特性，極大化地提升了影音生成的通用性，並克服了訓練資料不足的長期瓶頸。