编舞人失业！南理工 清华 南大新作：一首歌实现高质量和谐群舞（

1.南京理工大学舞蹈团

在常见的群舞数据中，超过80%的动作看起来几乎一样！更麻烦的是，每个舞者的动作数据维度高达100多，而位置坐标却只有可怜的3维——模型直接「脸盲」了，根本分不清谁是谁结果舞者身份混淆，跳着跳着就撞在一起。

2.南理工街舞社

此外，独舞也有可能变「滑步」，导致画面非常魔幻你有没有见过舞者上身跳得标准，双脚却像在冰上滑行？这就是典型的「脚部滑动」其根源在于AI难以协调全身动作和脚下轨迹，导致视觉效果失真，观感十分出戏如果编舞时间过长，也可能导致生成崩溃，长序列群舞仍是难题。

3.南京理工大学舞蹈专业

现有技术能生成几秒钟的群舞片断，可一旦拉到几分钟甚至更长，动作就开始突变、卡顿、不连贯。而现实中，一场真正的群舞表演动辄数分钟，音乐剧更要持续数小时——这之间的差距，正是当前技术亟待填补的关键空白。

4.南京理工大学街舞社

群舞生成三大难题示意图以及TCDiff 效果，从左到右分别为多舞者碰撞、单舞者脚滑、长时生成位置突变问题、TCDiff 克服这些难题在AAAI 2025发表的TCDiff模型，研究人员首次提出「轨迹可控」的生成思路，通过分离轨迹预测与动作生成的两阶段框架，有效防止了群舞中的舞者碰撞。

5.南京理工大学舞蹈系

然而，该设计也导致动作与位移衔接生硬，且在生成长序列时容易出现抖动、性能下降等问题。为从根本上克服这些缺陷，研究团队最新推出了升级版——TCDiff ，一个从音乐到舞蹈的端到端生成模型。

论文地址：https://arxiv.org/pdf/2506.18671项目地址：https://da1yuqin.github.io/TCDiffpp.website/代码地址：https://github.com/Da1yuqin/TCDiffpp

顾名思义，TCDiff 是一个「轨迹可控」的扩散模型，核心创新在于其两阶段生成流程，专门针对群舞的和谐性与真实感设计：团体舞蹈解码器（Group Dance Decoder）：作为第一道工序，它根据输入的音乐，首先生成一套整体协调、且能避免舞者相互碰撞的初始舞蹈动作。

步法适配器（Footwork Adaptor）：接着，这个专门的模块会介入，它聚焦于舞者的脚部轨迹，对初始动作进行局部精修，生成扎实的脚步动作，从而有效消除「脚底打滑」的不自然现象。