Cet article présente une nouvelle méthode, Discrete Tokens to Continuous Motion via Rectified Flow Decoding (DisCoRD). Conçue pour traiter les différences entre les représentations de mouvement discret et continu, elle utilise le flux rectifié pour décoder les jetons de mouvement discret en un espace de mouvement brut continu. Pour pallier l'expressivité limitée et les artefacts de bruit au niveau de l'image des méthodes de génération discrète existantes, ainsi que la difficulté des approches continues à respecter les signaux conditionnels, nous structurons le décodage des jetons comme une tâche de génération conditionnelle afin de capturer les mouvements subtils et de générer un mouvement plus fluide et plus naturel. Nous améliorons le naturel tout en maintenant la fidélité aux signaux conditionnels dans divers contextes, obtenant des performances de pointe (FID 0,032 et 0,169, respectivement) sur les jeux de données HumanML3D et KIT-ML.
