論文の概要: MultiAct: Long-Term 3D Human Motion Generation from Multiple Action Labels

• arxiv url: http://arxiv.org/abs/2212.05897v1
• Date: Mon, 12 Dec 2022 13:52:53 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-13 16:56:17.554645
• Title: MultiAct: Long-Term 3D Human Motion Generation from Multiple Action Labels
• Title（参考訳）: multiact: 複数のアクションラベルからの長期的3次元動作生成
• Authors: Taeryung Lee, Gyeongsik Moon, and Kyoung Mu Lee
• Abstract要約: 複数のアクションラベルから長期の人間の動作を生成するための最初のフレームワークであるMultiActを提案する。 動作条件と動作条件の両方を、統一された再帰生成システムで考慮する。 その結果、MultiActは複数のアクションラベルの与えられたシーケンスによって制御される現実的な長期動作を生成する。
• 参考スコア（独自算出の注目度）: 59.53048564128578
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We tackle the problem of generating long-term 3D human motion from multiple action labels. Two main previous approaches, such as action- and motion-conditioned methods, have limitations to solve this problem. The action-conditioned methods generate a sequence of motion from a single action. Hence, it cannot generate long-term motions composed of multiple actions and transitions between actions. Meanwhile, the motion-conditioned methods generate future motions from initial motion. The generated future motions only depend on the past, so they are not controllable by the user's desired actions. We present MultiAct, the first framework to generate long-term 3D human motion from multiple action labels. MultiAct takes account of both action and motion conditions with a unified recurrent generation system. It repetitively takes the previous motion and action label; then, it generates a smooth transition and the motion of the given action. As a result, MultiAct produces realistic long-term motion controlled by the given sequence of multiple action labels. The code will be released.
• Abstract（参考訳）: 複数のアクションラベルから長期の3次元人間の動きを生成する問題に取り組む。 アクションとモーションコンディショニングの2つの主要なアプローチには、この問題を解決するための制限がある。 アクション条件付きメソッドは、単一のアクションから一連の動きを生成する。 したがって、複数のアクションとアクション間の遷移からなる長期的な動作は生成できない。 一方、モーションコンディショニング方式は、初期動作から将来の動きを生成する。 生成された将来の動作は過去のみに依存するため、ユーザの望ましいアクションによって制御できない。 複数のアクションラベルから長期的3次元動作を生成する最初のフレームワークであるmultiactを提案する。 MultiActは、動作条件と動作条件の両方を統一されたリカレント生成システムで考慮する。 前の動作とアクションラベルを繰り返すと、その動作のスムーズな遷移と動きが生成される。 その結果、MultiActは複数のアクションラベルの与えられたシーケンスによって制御される現実的な長期動作を生成する。 コードはリリースされます。

関連論文リスト

• InfiniMotion: Mamba Boosts Memory in Transformer for Arbitrary Long Motion Generation [31.775481455602634]
  現在の手法では、計算コストが高いため、単一の入力として長い動き列を扱うのに苦労している。 自己回帰フレームワーク内で任意の長さの連続的な動き列を生成する手法であるInfiniMotionを提案する。 約8万フレームの連続した1時間の人間の動きを生成することで、その画期的な能力を強調します。
  論文  参考訳（メタデータ） (2024-07-14T03:12:19Z)
• CoMo: Controllable Motion Generation through Language Guided Pose Code Editing [57.882299081820626]
  本稿では,制御可能なモーション生成モデルであるCoMoについて紹介する。 CoMoは、動きを離散的で意味のあるポーズコードに分解する。 自動的にポーズコードのシーケンスを生成し、それを3Dモーションにデコードする。
  論文  参考訳（メタデータ） (2024-03-20T18:11:10Z)
• Synthesizing Long-Term Human Motions with Diffusion Models via Coherent Sampling [74.62570964142063]
  テキスト・トゥ・モーション・ジェネレーションは注目されているが、既存の手法のほとんどは短期的な動きに限られている。 本稿では,2つのコヒーレントサンプリング手法を用いた過去の拡散モデルを用いた新しい手法を提案する。 提案手法は,ユーザの指示した長文ストリームによって制御された,構成的かつコヒーレントな3次元人間の動作を生成することができる。
  論文  参考訳（メタデータ） (2023-08-03T16:18:32Z)
• NEURAL MARIONETTE: A Transformer-based Multi-action Human Motion Synthesis System [51.43113919042621]
  本稿では,長期・多動作型人体動作合成のためのニューラルネットワークシステムを提案する。 このシステムは、単純なユーザ入力からスムーズな遷移を伴う有意義な動作を生成することができる。 また,マルチアクション動作合成タスクに特化した新しいデータセットを提案する。
  論文  参考訳（メタデータ） (2022-09-27T07:10:20Z)
• TEACH: Temporal Action Composition for 3D Humans [50.97135662063117]
  自然言語の一連の記述を前提として,テキストに意味的に対応する3次元の人間の動作を生成する。 特に、我々のゴールは一連のアクションの合成を可能にすることであり、これは時間的アクション合成と呼ばれる。
  論文  参考訳（メタデータ） (2022-09-09T00:33:40Z)
• MotionDiffuse: Text-Driven Human Motion Generation with Diffusion Model [35.32967411186489]
  MotionDiffuseは拡散モデルに基づくテキスト駆動モーション生成フレームワークである。 複雑なデータ分散をモデル化し、鮮やかなモーションシーケンスを生成するのに優れています。 体の部分のきめ細かい指示に反応し、時間経過したテキストプロンプトで任意の長さのモーション合成を行う。
  論文  参考訳（メタデータ） (2022-08-31T17:58:54Z)
• Weakly-supervised Action Transition Learning for Stochastic Human Motion Prediction [81.94175022575966]
  動作駆動型人間の動作予測の課題について紹介する。 一連の動作ラベルと短い動作履歴から、複数の可算な将来の動作を予測することを目的としている。
  論文  参考訳（メタデータ） (2022-05-31T08:38:07Z)

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。