論文の概要: Hierarchical Style-based Networks for Motion Synthesis

• arxiv url: http://arxiv.org/abs/2008.10162v1
• Date: Mon, 24 Aug 2020 02:11:02 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-25 11:48:59.645596
• Title: Hierarchical Style-based Networks for Motion Synthesis
• Title（参考訳）: 動き合成のための階層型スタイルベースネットワーク
• Authors: Jingwei Xu, Huazhe Xu, Bingbing Ni, Xiaokang Yang, Xiaolong Wang, Trevor Darrell
• Abstract要約: 本研究では,特定の目標地点を達成するために,長距離・多種多様・多様な行動を生成する自己指導手法を提案する。 提案手法は,長距離生成タスクを階層的に分解することで人間の動作をモデル化する。 大規模な骨格データから, 提案手法は長距離, 多様な, もっともらしい動きを合成できることを示す。
• 参考スコア（独自算出の注目度）: 150.226137503563
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Generating diverse and natural human motion is one of the long-standing goals for creating intelligent characters in the animated world. In this paper, we propose a self-supervised method for generating long-range, diverse and plausible behaviors to achieve a specific goal location. Our proposed method learns to model the motion of human by decomposing a long-range generation task in a hierarchical manner. Given the starting and ending states, a memory bank is used to retrieve motion references as source material for short-range clip generation. We first propose to explicitly disentangle the provided motion material into style and content counterparts via bi-linear transformation modelling, where diverse synthesis is achieved by free-form combination of these two components. The short-range clips are then connected to form a long-range motion sequence. Without ground truth annotation, we propose a parameterized bi-directional interpolation scheme to guarantee the physical validity and visual naturalness of generated results. On large-scale skeleton dataset, we show that the proposed method is able to synthesise long-range, diverse and plausible motion, which is also generalizable to unseen motion data during testing. Moreover, we demonstrate the generated sequences are useful as subgoals for actual physical execution in the animated world.
• Abstract（参考訳）: 多様な自然な人間の動きを生み出すことは、アニメーションの世界においてインテリジェントなキャラクターを作るための長年の目標の1つです。 本稿では,特定の目標位置を達成するために,長距離かつ多様で妥当な行動を生成する自己教師あり手法を提案する。 提案手法は,長距離生成タスクを階層的に分解することで人間の動作をモデル化する。 開始状態と終了状態が与えられると、メモリバンクは、短距離クリップ生成のソース素材として動作参照を取得するために使用される。 まず, 2 成分の自由形式結合により多様な合成を実現するバイリニア変換モデルを用いて, 提示された動作材料をスタイルとコンテンツに明示的に絡み合うことを提案する。 短い範囲のクリップは、長い範囲のモーションシーケンスを形成するために接続される。 基礎的真理のアノテーションがなければ,生成結果の物理的妥当性と視覚的自然性を保証するためのパラメータ化双方向補間スキームを提案する。 大規模スケルトンデータセットでは,提案手法が長距離,多様,多彩な動作を合成できることを示す。 さらに,アニメーションの世界において,実際の物理的実行のためのサブゴールとして,生成されたシーケンスが有用であることを示す。

関連論文リスト

• Infinite Motion: Extended Motion Generation via Long Text Instructions [51.61117351997808]
  『無限運動』は、長文を長文から拡張運動生成に活用する新しいアプローチである。 我々のモデルの主な革新は、任意の長さのテキストを入力として受け入れることである。 テキストのタイムスタンプ設計を取り入れ、生成されたシーケンス内のローカルセグメントの正確な編集を可能にする。
  論文  参考訳（メタデータ） (2024-07-11T12:33:56Z)
• Hierarchical Generation of Human-Object Interactions with Diffusion Probabilistic Models [71.64318025625833]
  本稿では,対象物と相互作用する人間の3次元運動を生成するための新しいアプローチを提案する。 私たちのフレームワークはまず一連のマイルストーンを生成し、それに沿って動きを合成します。 NSM, COUCH, SAMPデータセットを用いた実験では, 従来の手法よりも品質と多様性に大きな差があることが示されている。
  論文  参考訳（メタデータ） (2023-10-03T17:50:23Z)
• Task-Oriented Human-Object Interactions Generation with Implicit Neural Representations [61.659439423703155]
  TOHO: 命令型ニューラル表現を用いたタスク指向型ヒューマンオブジェクトインタラクション生成 本手法は時間座標のみでパラメータ化される連続運動を生成する。 この研究は、一般的なヒューマン・シーンの相互作用シミュレーションに向けて一歩前進する。
  論文  参考訳（メタデータ） (2023-03-23T09:31:56Z)
• Correspondence-free online human motion retargeting [1.7008985510992145]
  本研究では,対象対象と対象対象者の動作とを一致させる,教師なし動作のためのデータ駆動型フレームワークを提案する。 本手法は,震源形状と震源形状の対応を必要とせず,震源運動の異なるフレーム間の時間的対応も必要としない。 これにより、ターゲットの形状を動き中の人間の任意のシーケンスでアニメーションすることができる。
  論文  参考訳（メタデータ） (2023-02-01T16:23:21Z)
• MoDi: Unconditional Motion Synthesis from Diverse Data [51.676055380546494]
  多様な動きを合成する無条件生成モデルであるMoDiを提案する。 我々のモデルは、多様な、構造化されていない、ラベルなしのモーションデータセットから完全に教師なしの設定で訓練されている。 データセットに構造が欠けているにもかかわらず、潜在空間は意味的にクラスタ化可能であることを示す。
  論文  参考訳（メタデータ） (2022-06-16T09:06:25Z)
• Towards Diverse and Natural Scene-aware 3D Human Motion Synthesis [117.15586710830489]
  本研究では,ターゲットアクションシーケンスの誘導の下で,多様なシーンを意識した人間の動作を合成する問題に焦点をあてる。 この因子化スキームに基づいて、各サブモジュールが1つの側面をモデリングする責任を負う階層的なフレームワークが提案されている。 実験の結果,提案手法は,多様性と自然性の観点から,従来の手法よりも著しく優れていた。
  論文  参考訳（メタデータ） (2022-05-25T18:20:01Z)
• GANimator: Neural Motion Synthesis from a Single Sequence [38.361579401046875]
  本稿では,1つの短い動き列から新しい動きを合成することを学ぶ生成モデルであるGANimatorを提案する。 GANimatorはオリジナルの動きのコア要素に類似した動きを生成し、同時に新規で多様な動きを合成する。 クラウドシミュレーション,キーフレーム編集,スタイル転送,対話型制御など,さまざまな応用例を示し,それぞれが単一の入力シーケンスから学習する。
  論文  参考訳（メタデータ） (2022-05-05T13:04:14Z)
• LARNet: Latent Action Representation for Human Action Synthesis [3.3454373538792552]
  我々は、人間のアクションビデオを生成するための新しいエンドツーエンドアプローチであるLARNetを提案する。 我々は、推論中に駆動ビデオが不要になるのを避けるために、潜時空間でのアクションダイナミクスを学習する。 提案手法を実世界の4つの行動データセットで評価する。
  論文  参考訳（メタデータ） (2021-10-21T05:04:32Z)

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。