論文の概要: Homogeneous Dynamics Space for Heterogeneous Humans

• arxiv url: http://arxiv.org/abs/2412.06146v1
• Date: Mon, 09 Dec 2024 01:59:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-10 14:58:50.146429
• Title: Homogeneous Dynamics Space for Heterogeneous Humans
• Title（参考訳）: 不均質な人間のための均質なダイナミクス空間
• Authors: Xinpeng Liu, Junxuan Liang, Chenshuo Zhang, Zixuan Cai, Cewu Lu, Yong-Lu Li,
• Abstract要約: ホモジニアス・ダイナミクス・スペース(HDyS)は、異種データを集約し、逆フォワード・ダイナミックス法からインスピレーションを得て、均質な潜在空間を訓練することにより、人間のダイナミクスの基本空間である。 広汎な実験と応用によるHDySの実現可能性を示す。
• 参考スコア（独自算出の注目度）: 47.25261301948023
• License:
• Abstract: Analyses of human motion kinematics have achieved tremendous advances. However, the production mechanism, known as human dynamics, is still undercovered. In this paper, we aim to push data-driven human dynamics understanding forward. We identify a major obstacle to this as the heterogeneity of existing human motion understanding efforts. Specifically, heterogeneity exists in not only the diverse kinematics representations and hierarchical dynamics representations but also in the data from different domains, namely biomechanics and reinforcement learning. With an in-depth analysis of the existing heterogeneity, we propose to emphasize the beneath homogeneity: all of them represent the homogeneous fact of human motion, though from different perspectives. Given this, we propose Homogeneous Dynamics Space (HDyS) as a fundamental space for human dynamics by aggregating heterogeneous data and training a homogeneous latent space with inspiration from the inverse-forward dynamics procedure. Leveraging the heterogeneous representations and datasets, HDyS achieves decent mapping between human kinematics and dynamics. We demonstrate the feasibility of HDyS with extensive experiments and applications. The project page is https://foruck.github.io/HDyS.
• Abstract（参考訳）: 人間の運動キネマティクスの分析は飛躍的な進歩を遂げた。 しかし、人間力学として知られる生産機構はまだ解明されていない。 本稿では,データ駆動型人間力学の理解を推し進めることを目的としている。 我々は、これに対する大きな障害を、既存の人間の動作理解努力の不均一性として認識する。 具体的には、多様キネマティックス表現や階層力学表現だけでなく、生体力学や強化学習といった異なる領域のデータにも異質性が存在する。 既存の異質性について詳細な分析を行い、それらすべてが人間の運動の同質な事実を表しているが、異なる視点から見て、その下にある同質性を強調することを提案する。 そこで我々は,不均一なデータを集約し,逆フォワードのダイナミックス法からインスピレーションを得て,均一な潜在空間を訓練することにより,人間のダイナミックスの基本空間として均一なダイナミクス空間(HDyS)を提案する。 ヘテロジニアス表現とデータセットを活用することで、HDySは人間のキネマティクスとダイナミックスの間の適切なマッピングを実現する。 広汎な実験と応用によるHDySの実現可能性を示す。 プロジェクトページはhttps://foruck.github.io/HDyS。

関連論文リスト

• HUMOS: Human Motion Model Conditioned on Body Shape [54.20419874234214]
  身体形状に基づく生成運動モデルを構築するための新しいアプローチを提案する。 非ペアデータを使ってこのモデルをトレーニングすることが可能であることを示す。 得られたモデルは、多種多様で、物理的に妥当で、動的に安定した人間の動きを生成する。
  論文  参考訳（メタデータ） (2024-09-05T23:50:57Z)
• FORCE: Dataset and Method for Intuitive Physics Guided Human-object Interaction [39.810254311528354]
  本稿では,物理属性をモデル化し,多種多様でニュアンスのある人間と物体の相互作用をキネマティックに表現するForceモデルを提案する。 我々の重要な洞察は、人間の動きは人間の力と知覚される抵抗の相互関係によって決定されるということである。 人間の力を取り入れた実験は、多クラス動作の学習を容易にする。
  論文  参考訳（メタデータ） (2024-03-17T14:52:05Z)
• Scaling Up Dynamic Human-Scene Interaction Modeling [58.032368564071895]
  TRUMANSは、現在利用可能な最も包括的なモーションキャプチャーHSIデータセットである。 人体全体の動きや部分レベルの物体の動きを複雑に捉えます。 本研究では,任意の長さのHSI配列を効率的に生成する拡散型自己回帰モデルを提案する。
  論文  参考訳（メタデータ） (2024-03-13T15:45:04Z)
• HyperHuman: Hyper-Realistic Human Generation with Latent Structural Diffusion [114.15397904945185]
  本稿では,高リアリズムと多彩なレイアウトの人体画像を生成する統一的なフレームワークHyperHumanを提案する。 本モデルは,統合ネットワークにおける画像の外観,空間的関係,幾何学の連成学習を強制する。 我々のフレームワークは最先端の性能を生み出し、多様なシナリオ下で超現実的な人間の画像を生成する。
  論文  参考訳（メタデータ） (2023-10-12T17:59:34Z)
• Priority-Centric Human Motion Generation in Discrete Latent Space [59.401128190423535]
  テキスト・ツー・モーション生成のための優先中心運動離散拡散モデル(M2DM)を提案する。 M2DMは、コード崩壊に対処するために、グローバルな自己注意機構と正規化用語を組み込んでいる。 また、各動きトークンの重要度から決定される革新的なノイズスケジュールを用いた動き離散拡散モデルを提案する。
  論文  参考訳（メタデータ） (2023-08-28T10:40:16Z)
• Discovering mesoscopic descriptions of collective movement with neural stochastic modelling [4.7163839266526315]
  小～中規模の集団運動(sim$10-1000、別名Meso)は、順序によって非自明な特徴を示す。 ここでは、相互作用する個人の神経群ダイナミクスを特徴付けるために、物理に着想を得たネットワークベースのアプローチを用いる。 本研究では,この手法を合成と実世界の両方のデータセットに適用し,ドリフトと拡散場を用いたダイナミックスの決定論的および側面を同定する。
  論文  参考訳（メタデータ） (2023-03-17T11:49:17Z)
• HSPACE: Synthetic Parametric Humans Animated in Complex Environments [67.8628917474705]
  我々は、複雑な屋内および屋外環境に置かれたアニメーション人間による大規模な写真リアルデータセット、Human-SPACEを構築した。 年齢、性別、比率、民族性の異なる数百の個人と数百の動きとシーンを組み合わせて、100万フレームを超える最初のデータセットを生成します。 アセットは大規模に自動生成され、既存のリアルタイムレンダリングやゲームエンジンと互換性がある。
  論文  参考訳（メタデータ） (2021-12-23T22:27:55Z)
• Generative Adversarial Graph Convolutional Networks for Human Action Synthesis [3.0664963196464448]
  本研究では,人体の運動学を合成する新しいアーキテクチャであるKineetic-GANを提案する。 提案した敵対的アーキテクチャは、局所的およびグローバルな身体運動に対して最大120の異なる動作を条件付けることができる。 実験は3つのよく知られたデータセットで実施された。
  論文  参考訳（メタデータ） (2021-10-21T15:01:32Z)
• Action2Motion: Conditioned Generation of 3D Human Motions [28.031644518303075]
  我々は3Dで人間の動作シーケンスを生成することを目的としている。 それぞれのサンプル配列は、自然界の体動力学に忠実に類似している。 新しい3DモーションデータセットであるHumanAct12も構築されている。
  論文  参考訳（メタデータ） (2020-07-30T05:29:59Z)

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。