MoVer dataset

MoVer数据集包含5,600个提示，每个提示包含真实的MoVer程序以及关于提示的句法构造和是否使用LLM作为其生成的一部分的信息。

The MoVer dataset comprises 5,600 prompts, each containing an authentic MoVer program, alongside information concerning the prompt's syntactic structure and whether an LLM was used as part of its generation.

原始信息汇总

MoVer数据集概述

数据集基本信息

• 名称: MoVer数据集
• 用途: 用于验证运动图形动画中各种时空属性是否满足
• 数据量: 5,600个提示(prompts)
• 存储位置: mover_dataset/目录下

数据集内容

• 每个提示包含以下信息：
  • 真实的MoVer程序(ground truth MoVer program)
  • 提示的句法构造信息(syntactic construction)
  • 是否使用LLM作为生成过程的一部分

相关资源

• 论文: ACM Transactions on Graphics (SIGGRAPH), 44(4), August 2025
• 项目页面: https://mover-dsl.github.io/
• 许可证: Apache 2.0 LICENSE

数据集特点

• 配套提供MoVer领域特定语言实现
• 支持作为LLM-based运动图形动画生成流程的验证环节
• 包含完整的动画生成和验证工具链

相关工具

• 提供动画合成器(SVG Animation)
• MoVer DSL验证器
• LLM-based程序合成器
• 完整的处理管道(pipeline)

搜集汇总

数据集介绍

构建方式

MoVer数据集的构建基于5600个精心设计的动画提示，每个提示均包含对应的MoVer程序作为真实标签。这些提示通过系统化的语法结构生成，部分提示还融合了大型语言模型的输出结果，确保了数据在逻辑验证和自然语言描述方面的多样性。数据集的构建过程严格遵循领域特定的空间-时间属性验证需求，为运动图形动画的生成与验证提供了可靠基准。

特点

该数据集的核心特点在于其独特的MoVer领域特定语言设计，该语言基于一阶逻辑构建，能够精确验证运动图形动画的空间-时间属性。数据集包含丰富的谓词系统，可对应自然语言中常见的运动描述概念，如物体颜色、形状及平移运动参数等。通过引入排除逻辑（not谓词）机制，数据集有效解决了相似物体和运动实例的指代问题，增强了复杂场景的建模能力。

使用方法

使用该数据集需通过配置YAML文件定义工作流程，并加载包含动画提示的JSON文件。用户可选择直接调用预置的真实MoVer程序进行验证，或通过集成的大型语言模型自动生成验证程序。数据集配套工具链支持SVG动画渲染与HTML可视化，开发者可通过扩展JavaScript API和更新系统消息文件来定制动画生成规则。对于本地部署场景，需配置相应环境变量并安装PyTorch、vLLM等依赖库。

背景与挑战

背景概述

MoVer数据集由斯坦福大学研究人员Jiaju Ma和Maneesh Agrawala于2025年提出，旨在解决运动图形动画验证这一新兴领域的关键问题。该数据集包含5,600个精心设计的提示，每个提示均附带基于一阶逻辑的MoVer程序真值标注，为动画生成与验证提供了标准化基准。作为首个专注于时空属性验证的领域专用语言数据集，MoVer通过建立形式化逻辑与自然语言描述之间的映射关系，显著提升了生成动画的语义准确性，为计算机图形学与人机交互领域带来了新的研究范式。

当前挑战

MoVer数据集面临双重技术挑战：在领域问题层面，运动图形动画的时空属性验证需处理复杂的三维几何变换与时间序列关系，传统方法难以准确捕捉自然语言描述的模糊语义；在构建过程中，如何设计既能覆盖常见动画模式又具备逻辑完备性的验证谓词体系，以及确保大规模标注程序与人类意图的一致性，均构成显著挑战。数据集构建者通过引入一阶逻辑形式化方法和LLM辅助标注策略，有效解决了运动实例消歧、时序关系表达等核心难题。

常用场景

经典使用场景

在计算机图形学和动画设计领域，MoVer数据集为研究者提供了一个标准化的评估平台，用于验证基于自然语言描述的动画生成系统。该数据集包含5600个精心设计的提示，每个提示都配有真实的MoVer程序，使得研究者能够系统地测试和比较不同算法在理解复杂空间-时间运动属性方面的性能。特别是在基于大型语言模型的动画生成流程中，MoVer数据集成为验证生成动画是否符合预期运动特性的黄金标准。

解决学术问题

MoVer数据集有效解决了动画生成领域长期存在的语义对齐难题。通过其基于一阶逻辑的领域特定语言，研究者能够精确验证生成动画是否满足复杂的时空约束条件。该数据集特别针对运动图形动画中对象运动轨迹、时序关系和空间约束的验证需求，填补了传统评估方法在形式化验证方面的空白，为动画生成系统的可靠性研究提供了量化基准。

衍生相关工作

基于MoVer数据集的研究催生了多个重要方向的发展。在理论层面，研究者提出了扩展的一阶逻辑框架来处理更复杂的运动约束；在系统层面，开发了集成视觉反馈的迭代优化流程；在应用层面，衍生出面向特定领域（如医学动画、工程仿真）的运动验证工具。这些工作共同推动了形式化方法与创意设计的深度融合。