- STAR: 基于骨架情感文本的 4D 头像生成与网络内运动重定向
通过骨架感知文本为基础的 4D 人物生成与网络内运动重定向的方法可以综合优化几何、纹理和动作，从而合成与文本描述相符的高质量 4D 人物，并展示了每个组成部分的贡献。
- 骨骼匿名化的对抗引导运动重定向
基于运动重定向的隐私保护深度动作重定向模型（PMR）通过对抗学习，帮助实现与最先进模型相当的运动重定向效果，并降低隐私攻击的成功率。
- 基于视觉语言模型的语义感知动作转换
使用视觉语言模型提取和保留有意义的运动语义，该方法通过可微分模块渲染 3D 动作并将高级运动语义与提取的语义嵌入进行对齐，以确保保留微观动作细节和高级语义，实验证明了该方法在产生高质量的运动重定向结果的同时准确保留了运动语义。
- MM多功能人脸动画师：在 RGBD 空间中驱动任意的 3D 人脸形象
提出了一种新颖的自监督框架，名为 Versatile Face Animator，它将面部动作捕捉与动作重新定位结合起来，从而实现了在任意 3D 角色上进行面部动画的理想效果，并具备潜在的成本效益和高效率的潜力。
- 基于物理的稀疏输入运动重定向
本研究提出了一种利用强化学习、物理模拟器和稀疏传感器数据实时将人类运动重定向到具有不同骨架结构的角色的方法，并仅需要运用运动捕捉数据进行培训，同时探讨了该框架中的重要组件。
- 基于姿态感知的身体部位灵活运动重定向注意力网络
提出了一种基于身体部位的柔性运动重定向框架，其在运动编码阶段引入了姿势感知注意网络（PAN），并使用特征池化构建每个身体部位的共享潜在空间，通过在运动解码阶段应用该框架，可以在更具挑战性的重定向情景中获得合理的结果。
- CVPR基于运动语义和几何残留感知的蒙皮运动重定向
本研究提出了一种基于神经网络和几何形状的跨角色动作传递算法，使用距离损失函数对动作和几何属性进行建模，产生的结果在保留动作语义的同时，抑制了物体间的穿透和接触缺失，具有最新的性能表现。
- ICCV基于接触感知的蒙皮动作转移
本文提出了一种运动重新定位方法，能够保留自身联系并防止相互穿透，利用一种新颖的几何条件循环网络和编码器空间优化策略实现高效的重新定位，通过实验证明其结果优于以往方法。
- 深度动作共享的骨架感知网络
本文提出了一种新颖的深度学习框架，用于不需要明确匹配训练集中运动对之间的数据驱动运动重定位，其利用不同同构骨架通过边合并操作可以简化为一个共同原始骨架并转化为一组关联于原始骨架关节的深度时态特征，从而实现简单的运动重定位，同时本方法是第一种 - C-3PO: 循环三相优化的基于强化学习的人机动作复定向
本文利用循环的三阶段优化算法基于深度强化学习技术来实现人机运动重新定向，通过精炼数据对其进行学习，提供了一种性能改进的框架。最终成功达到了人类骨架与多个机器人的运动重新定向技能。