FreqMo：频带分解的运动生成表示
Get the story
2026年10月5日，arXiv Computer Vision（一手）发表论文《重思固定时间网格：频率解耦的人体运动生成》，提出 FreqMo，一种尺度自适应的运动表征。该方法将运动分解为小波频段，以分离不同时间尺度的动态，同时保留时间定位与精确重建。论文同时提出统一频率残差量化（UFRQ），将所有频段在单一共享码本中编码，将 token 序列压缩至三分之一，并支持稳定的单阶段生成。实验显示 FreqMo 达到 SOTA 保真度并显著改善高频保留；该分解同样可迁移到连续扩散模型骨干。目前公开信息仅涉及该论文内容，尚无后续独立验证或应用报道。
Generated from reports · updated 16 hr ago
Timeline
Follow the coverage from different angles.
- arXiv · Computer Vision重思固定时间网格：频率解耦的人体运动生成
论文提出 FreqMo，一种尺度自适应的运动表征，将运动分解为小波频段以分离不同时间尺度的动态，同时保留时间定位与精确重建。配合统一频率残差量化（UFRQ），所有频段在单一共享码本中编码，将 token 序列压缩至三分之一并支持稳定的单阶段生成。实验显示 FreqMo 达到 SOTA 保真度并显著改善高频保留，该分解同样可迁移到连续扩散模型骨干。
Heat trend
Current heat 6·Comparable peak 10（Oct 5）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.