CurveCodec 2：采用学习型熵模型的骨架无关动画压缩
CurveCodec 2使用小型学习模型高效编码残差，从而压缩骨骼动画。它依据历史数据预测量化曲线，并按照率失真标准选择关键采样点。每段解码后的动画都要通过两种误差约束之一：每个关节的最坏情况误差，或每段动画的平均误差。在涵盖33个数据集、共4,472段动画的测试中，采用ACL默认精度并满足最坏情况误差约束时，所需字节数为ACL的0.37倍；满足平均误差约束、精度较低时则为0.22倍。解码可在单个CPU核心上运行，并且无需重新训练即可迁移到训练数据中未出现的物种。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。