**VideoMDM：从二维监督迈向三维人体运动生成**

_VideoMDM: Towards 3D Human Motion Generation From 2D Supervision_

> VideoMDM 是一种扩散框架，直接从单目视频的精确二维位姿训练三维人体运动先验，无需三维真实数据。它利用预训练的二维到三维提升器提供带噪的三维序列，并在二维空间通过重投影损失进行监督。在温和假设下，深度加权的二维重投影损失等价于直接三维监督。该方法在训练中学习连贯的三维运动流形，在 HumanML3D 上接近完全三维监督方法的性能（FID 0.88 vs 0.54），真实视频数据集上的生成运动也更受人类偏好。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-12 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.13364)