論文の概要: Improving Human Motion Plausibility with Body Momentum

• arxiv url: http://arxiv.org/abs/2509.09496v1
• Date: Thu, 11 Sep 2025 14:34:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-12 16:52:24.423941
• Title: Improving Human Motion Plausibility with Body Momentum
• Title（参考訳）: 人体モメンタムによる人間の運動プラウザビリティ向上
• Authors: Ha Linh Nguyen, Tze Ho Elden Tse, Angela Yao,
• Abstract要約: 多くの研究は、世界フレームの根関節と大域運動に付随するフレームにおいて、人間の動きを局所運動に分解する。 本研究では,局所運動とグローバル運動を結びつける制約として,全身の線形運動量と角運動量を用いることを提案する。 我々は,生成したモーメントプロファイルと地中構造データで観測されるモーメントプロファイルの整合性を強制する新たな損失項を導入する。
• 参考スコア（独自算出の注目度）: 49.636235399261494
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Many studies decompose human motion into local motion in a frame attached to the root joint and global motion of the root joint in the world frame, treating them separately. However, these two components are not independent. Global movement arises from interactions with the environment, which are, in turn, driven by changes in the body configuration. Motion models often fail to precisely capture this physical coupling between local and global dynamics, while deriving global trajectories from joint torques and external forces is computationally expensive and complex. To address these challenges, we propose using whole-body linear and angular momentum as a constraint to link local motion with global movement. Since momentum reflects the aggregate effect of joint-level dynamics on the body's movement through space, it provides a physically grounded way to relate local joint behavior to global displacement. Building on this insight, we introduce a new loss term that enforces consistency between the generated momentum profiles and those observed in ground-truth data. Incorporating our loss reduces foot sliding and jitter, improves balance, and preserves the accuracy of the recovered motion. Code and data are available at the project page https://hlinhn.github.io/momentum_bmvc.
• Abstract（参考訳）: 多くの研究は、世界フレームの根関節と大域運動に付随するフレームにおいて、人間の動きを局所運動に分解し、それらを別々に扱う。 しかし、これら2つのコンポーネントは独立ではない。 グローバルな動きは、身体構成の変化によって引き起こされる環境との相互作用から生じる。 運動モデルは局所力学と大域力学の物理的結合を正確に捉えるのに失敗するが、大域的な軌道を関節トルクと外力から導出することは計算に高価で複雑である。 これらの課題に対処するために,局所的な動きとグローバルな動きを結びつける制約として,全身の線形運動量と角運動量を用いることを提案する。 運動量は、体の動きに対する関節レベルのダイナミクスの集合効果を反映しているため、局所的な関節の挙動と大域的変位を関連付ける物理的に基礎的な方法を提供する。 この知見に基づいて、生成した運動量プロファイルと地中構造データにおける観測値との整合性を強制する新たな損失項を導入する。 損失を埋め込むことで足のすべりやジッタが減少し、バランスが良くなり、回復した動きの精度が保たれる。 コードとデータはプロジェクトページ https://hlinhn.github.io/momentum_bmvc.org で公開されている。

関連論文リスト

• CoDA: Coordinated Diffusion Noise Optimization for Whole-Body Manipulation of Articulated Objects [14.230098033626744]
  人工物体の全身操作は、仮想人間やロボット工学の幅広い応用において、非常に困難な作業である。 本研究では,現実的な全身運動を実現するための新しい拡散雑音最適化フレームワークを提案する。 提案手法は,動作品質と身体的可視性において,既存の手法よりも優れていることを示す広範な実験を行う。
  論文  参考訳（メタデータ） (2025-05-27T17:11:50Z)
• KinMo: Kinematic-aware Human Motion Understanding and Generation [6.962697597686156]
  現在のヒューマンモーション合成フレームワークは、グローバルなアクション記述に依存している。 ランのような単一の粗い記述は、速度の変動、手足の位置決め、運動力学といった詳細を捉えるのに失敗する。 階層的な記述可能な動作表現に基づいて構築された統合フレームワークであるKinMoを紹介する。
  論文  参考訳（メタデータ） (2024-11-23T06:50:11Z)
• Local Action-Guided Motion Diffusion Model for Text-to-Motion Generation [52.87672306545577]
  既存の動き生成法は主に大域運動の直接合成に焦点を当てている。 本研究では,局所動作を微粒化制御信号として利用することにより,グローバルな動き生成を容易にする局所動作誘導型動き拡散モデルを提案する。 本手法は,様々な局所動作と連続誘導重み調整をシームレスに組み合わせる柔軟性を提供する。
  論文  参考訳（メタデータ） (2024-07-15T08:35:00Z)
• GraMMaR: Ground-aware Motion Model for 3D Human Motion Reconstruction [61.833152949826946]
  本研究では,GraMMaRという3次元人体動作再構成のための新しいグラウンド・アウェア・モーション・モデルを提案する。 GraMMaRは、動きシーケンスの各時間ステップにおいて、ポーズにおける遷移の分布と、各関節面と接地面の間の相互作用を学習する。 運動と地面への距離変化との整合性を明確に促進するように訓練されている。
  論文  参考訳（メタデータ） (2023-06-29T07:22:20Z)
• Global-local Motion Transformer for Unsupervised Skeleton-based Action Learning [23.051184131833292]
  骨格運動系列の教師なし学習のための新しいトランスフォーマーモデルを提案する。 提案モデルでは, 関節の局所力学を学習し, 動き列から大域的文脈を捉える。
  論文  参考訳（メタデータ） (2022-07-13T10:18:07Z)
• GLAMR: Global Occlusion-Aware Human Mesh Recovery with Dynamic Cameras [99.07219478953982]
  ダイナミックカメラで記録したモノクロビデオから3次元グローバルなヒューマンメッシュリカバリのためのアプローチを提案する。 われわれはまず,視覚的動作に基づいて隠蔽されたヒトの身体運動を自己回帰的に埋め込む,深部再生運動充填装置を提案する。 従来の研究とは対照的に,我々の手法はダイナミックカメラを用いても,一貫したグローバル座標で人間のメッシュを再構築する。
  論文  参考訳（メタデータ） (2021-12-02T18:59:54Z)
• An Attractor-Guided Neural Networks for Skeleton-Based Human Motion Prediction [0.4568777157687961]
  関節モデリングは人間の動作予測におけるキュリアルな要素である。 我々は、時間的特徴からバランスアトラクション(BA)と呼ばれる媒体を学習し、グローバルな動き特徴を特徴づける。 BAを通して、全ての関節は同期的に関連付けられ、したがって全ての関節のグローバルな調整がよりよく学べる。
  論文  参考訳（メタデータ） (2021-05-20T12:51:39Z)

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。