論文の概要: Music2Dance: DanceNet for Music-driven Dance Generation
- arxiv url: http://arxiv.org/abs/2002.03761v2
- Date: Tue, 10 Mar 2020 18:32:15 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-04 20:21:49.807959
- Title: Music2Dance: DanceNet for Music-driven Dance Generation
- Title（参考訳）: music2dance:音楽駆動ダンス生成のためのダンスネット
- Authors: Wenlin Zhuang, Congyi Wang, Siyu Xia, Jinxiang Chai, Yangang Wang
- Abstract要約: 本研究では,音楽のスタイル,リズム,メロディを制御信号とする自己回帰生成モデルDanceNetを提案する。
プロのダンサーによる複数の同期音楽ダンスペアをキャプチャし、高品質な音楽ダンスペアデータセットを構築する。
- 参考スコア（独自算出の注目度）: 11.73506542921528
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Synthesize human motions from music, i.e., music to dance, is appealing and
attracts lots of research interests in recent years. It is challenging due to
not only the requirement of realistic and complex human motions for dance, but
more importantly, the synthesized motions should be consistent with the style,
rhythm and melody of the music. In this paper, we propose a novel
autoregressive generative model, DanceNet, to take the style, rhythm and melody
of music as the control signals to generate 3D dance motions with high realism
and diversity. To boost the performance of our proposed model, we capture
several synchronized music-dance pairs by professional dancers, and build a
high-quality music-dance pair dataset. Experiments have demonstrated that the
proposed method can achieve the state-of-the-art results.
- Abstract（参考訳）: 音楽、すなわち音楽からダンスへの人間の動きを合成することは魅力的であり、近年多くの研究関心を集めている。
ダンスにリアルで複雑な人間の動きを必要とするだけでなく、より重要なこととして、合成された動きは音楽のスタイル、リズム、メロディと一致すべきである。
本稿では,音楽のスタイル,リズム,メロディを制御信号として捉え,高いリアリズムと多様性を持つ3Dダンスモーションを生成するための,新しい自己回帰生成モデルDanceNetを提案する。
提案モデルの性能向上のために,プロのダンサーによる複数の同期音楽ダンスペアをキャプチャし,高品質な音楽ダンスペアデータセットを構築する。
実験により,提案手法は最先端の結果が得られることを示した。
関連論文リスト
- Lodge++: High-quality and Long Dance Generation with Vivid Choreography Patterns [48.54956784928394]
Lodge++は、高品質で、超長い、鮮やかなダンスを生成するためのコレオグラフィーフレームワークである。
計算効率の課題に対処するため、Lodge++では、粗いダンスから罰金までのダンスを生成するための2段階の戦略を採用している。
Lodge++は,様々なダンスジャンルに適した超長いダンスを高速に生成できることを示す広範な実験によって検証されている。
論文 参考訳（メタデータ） (2024-10-27T09:32:35Z) - LM2D: Lyrics- and Music-Driven Dance Synthesis [28.884929875333846]
LM2Dは、音楽と歌詞の両方で、ひとつの拡散生成ステップでダンスコンディションを作成するように設計されている。
ポーズ推定技術を用いて,音楽と歌詞の両方を包含する最初の3次元ダンスモーションデータセットを提案する。
その結果、LM2Dは歌詞と音楽の両方にマッチするリアルで多様なダンスを制作できることを示した。
論文 参考訳（メタデータ） (2024-03-14T13:59:04Z) - Bidirectional Autoregressive Diffusion Model for Dance Generation [26.449135437337034]
本稿では,双方向自己回帰拡散モデル(BADM)を提案する。
生成したダンスが前方方向と後方方向の両方で調和することを強制するために、双方向エンコーダが構築される。
生成したダンス動作をよりスムーズにするため、局所運動強調のための局所情報デコーダを構築する。
論文 参考訳（メタデータ） (2024-02-06T19:42:18Z) - DiffDance: Cascaded Human Motion Diffusion Model for Dance Generation [89.50310360658791]
本稿では,高分解能長周期ダンス生成のための新しい動き拡散モデルDiffDanceを提案する。
本モデルは、音楽間拡散モデルとシーケンス超解像拡散モデルとから構成される。
DiffDanceは、入力された音楽と効果的に一致したリアルなダンスシーケンスを生成することができることを実証する。
論文 参考訳（メタデータ） (2023-08-05T16:18:57Z) - FineDance: A Fine-grained Choreography Dataset for 3D Full Body Dance
Generation [33.9261932800456]
ファインダンス(FineDance)は、ダンスのジャンルで最大の音楽とダンスのペアデータセットである。
従来手法に存在した単調・不自然な手の動きに対処するため,フルボディダンス生成ネットワークを提案する。
生成したダンスのジャンルマッチングと長期的安定性をさらに向上するため,Genre&Coherent aware Retrieval Moduleを提案する。
論文 参考訳（メタデータ） (2022-12-07T16:10:08Z) - BRACE: The Breakdancing Competition Dataset for Dance Motion Synthesis [123.73677487809418]
ダンス・モーション・シンセサイザーにおける一般的な仮定に挑戦する新しいデータセットを提案する。
我々は、アクロバティックな動きと絡み合った姿勢を特徴とするブレイクダンスに焦点を当てている。
BRACEデータセットは、3時間30分以上の濃密な注釈付きポーズを含む。
論文 参考訳（メタデータ） (2022-07-20T18:03:54Z) - Music-to-Dance Generation with Optimal Transport [48.92483627635586]
本稿では,音楽から3Dダンス振付を生成するためのMDOT-Net(Music-to-Dance with Optimal Transport Network)を提案する。
生成したダンス分布とグロモフ=ワッサーシュタイン距離の信頼度を評価するための最適な移動距離を導入し、ダンス分布と入力音楽の対応性を測定する。
論文 参考訳（メタデータ） (2021-12-03T09:37:26Z) - Learning to Generate Diverse Dance Motions with Transformer [67.43270523386185]
ダンス・モーション・シンセサイザーのための完全なシステムを提案する。
大規模なダンスモーションデータセットはYouTubeビデオから作成される。
新たな2ストリームモーショントランス生成モデルでは、高い柔軟性で動作シーケンスを生成することができる。
論文 参考訳（メタデータ） (2020-08-18T22:29:40Z) - Dance Revolution: Long-Term Dance Generation with Music via Curriculum
Learning [55.854205371307884]
音楽条件付きダンス生成をシーケンス・ツー・シーケンスの学習問題として定式化する。
本稿では,長動き列生成における自己回帰モデルの誤り蓄積を軽減するための新しいカリキュラム学習戦略を提案する。
提案手法は,自動計測と人的評価において,既存の最先端技術よりも大幅に優れている。
論文 参考訳（メタデータ） (2020-06-11T00:08:25Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。