注目論文デイリーレポート

Abstractの概要

MotionMaestroは、多様なモーション生成タスクをモーションシーケンスに対する異なる観測パターンとして扱う、統合型の人体モーション生成フレームワークです。タスク整合型のマスク付きモーショントークン化を通じて完全なモーションと異種の部分的観測に対する共有潜在表現を学習し、その後に条件付きフロー・マッチング生成器を適用します。本モデルは、どのモーション特徴が与えられているかを示し、生成中に提供された条件を確実に保持させるために、明示的な観測マップと観測損失を使用します。単一モデルで無条件合成、テキスト誘導合成、ポーズ条件付け、補間、外挿、部分補完、軌道制御、長シーケンス生成をサポートし、大規模なRoMoおよびMotionMillionデータセットで評価されています。

新規性

本研究の主な新規性は、多様なモーション生成タスクをモーションシーケンスに対する構造化マスキングパターンとして定式化し、完全なターゲットと部分的な条件が同一の潜在空間を共有できるようにトークナイザーを学習させた点にあります。また、観測されたモーション特徴を明示的に特定し、生成プロセス中の条件保持を強化するための観測マップと観測空間損失を導入しています。

成果

RoMoにおいて、MotionMaestroは評価された全10タスクで最良の結果を達成し、MotionMillionでは10タスク中8タスクで最良の結果を達成しました。統合型ベースラインと比較してフレーム補間の品質と誤差を大幅に改善しており、アブレーション研究により、構造化マスキング、観測マップ、観測損失のそれぞれが性能向上と条件の忠実性に寄与していることが示されています。

論文の注目点

1. MotionMaestroは、同一モーションシーケンスに対する時間・空間・特徴グループの異なる観測マスクとして表現することで、広範なモーション生成タスクを統合する。
2. 3段階のマスク付きトークナイザー学習手順と条件付きフロー・マッチング生成器を組み合わせ、提供されたモーション制約を保持するための観測マップと観測損失を導入している。
3. RoMoおよびMotionMillionでの実験により、MDM、OmniControl、MotionLabと比較して、特に補間、長シーケンス生成、各種条件制御タスクにおいて高い定量的性能が示された。

参考リンク

• arXiv: https://arxiv.org/abs/2609.37495v1
• Fugu-MT: https://fugumt.com/fugumt/paper_check/2609.37495v1
• Project: https://kaist-viclab.github.io/MotionMaestro_site/