論文の概要: HumanCM: One Step Human Motion Prediction

• arxiv url: http://arxiv.org/abs/2510.16709v2
• Date: Thu, 23 Oct 2025 12:49:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 03:08:11.844044
• Title: HumanCM: One Step Human Motion Prediction
• Title（参考訳）: HumanCM:1ステップのヒューマンモーション予測
• Authors: Liu Haojie, Gao Suixiang,
• Abstract要約: 我々は、一貫性モデルに基づいて構築された1ステップのヒューマンモーション予測フレームワーク、HumanCMを提案する。 HumanCMは、ノイズとクリーンな動作状態の自己整合性マッピングを学習することにより、効率的なシングルステップ生成を行う。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: We present HumanCM, a one-step human motion prediction framework built upon consistency models. Instead of relying on multi-step denoising as in diffusion-based methods, HumanCM performs efficient single-step generation by learning a self-consistent mapping between noisy and clean motion states. The framework adopts a Transformer-based spatiotemporal architecture with temporal embeddings to model long-range dependencies and preserve motion coherence. Experiments on Human3.6M and HumanEva-I demonstrate that HumanCM achieves comparable or superior accuracy to state-of-the-art diffusion models while reducing inference steps by up to two orders of magnitude.
• Abstract（参考訳）: 我々は、一貫性モデルに基づいて構築された1ステップのヒューマンモーション予測フレームワーク、HumanCMを提案する。 拡散法のようなマルチステップのデノベーションに頼る代わりに、HumanCMはノイズとクリーンな動作状態の自己整合性マッピングを学習することにより、効率的なシングルステップ生成を行う。 このフレームワークはTransformerベースの時空間アーキテクチャを採用し、時間的埋め込みにより長距離依存をモデル化し、動きコヒーレンスを保存する。 Human3.6MとHumanEva-Iの実験では、HumanCMは最先端拡散モデルに匹敵するあるいは優れた精度を達成し、推論ステップを最大2桁まで削減することを示した。

関連論文リスト

• REWIND: Real-Time Egocentric Whole-Body Motion Diffusion with Exemplar-Based Identity Conditioning [95.07708090428814]
  本稿では,一段階拡散モデルREWINDを提案する。 身体中心運動と手の動きの相関を効果的にモデル化する。 また、ターゲットアイデンティティの小さなポーズ例に基づく新しいアイデンティティ条件付け手法を提案し、動き推定品質をさらに向上させる。
  論文  参考訳（メタデータ） (2025-04-07T11:44:11Z)
• MDMP: Multi-modal Diffusion for supervised Motion Predictions with uncertainty [7.402769693163035]
  本稿では,運動予測のための多モード拡散モデルを提案する。 骨格データと行動のテキスト記述を統合し、定量性のある不確実性を伴う洗練された長期動作予測を生成する。 我々のモデルは、長期動作を正確に予測する上で、既存の生成技術よりも一貫して優れている。
  論文  参考訳（メタデータ） (2024-10-04T18:49:00Z)
• Bayesian-Optimized One-Step Diffusion Model with Knowledge Distillation for Real-Time 3D Human Motion Prediction [2.402745776249116]
  本稿では,知識蒸留とベイズ最適化を用いた1段階多層パーセプトロン(MLP)拡散モデルによる動き予測のトレーニングを提案する。 提案モデルでは,予測速度を大幅に向上し,性能の劣化を伴わないリアルタイム予測を実現している。
  論文  参考訳（メタデータ） (2024-09-19T04:36:40Z)
• MoManifold: Learning to Measure 3D Human Motion via Decoupled Joint Acceleration Manifolds [20.83684434910106]
  我々は、連続した高次元運動空間における可塑性人間の動きをモデル化した、新しい人間の動きであるMoManifoldを提案する。 具体的には、既存の限られた動きデータから人間の力学をモデル化する新しい結合加速法を提案する。 大規模な実験により、MoManifoldはいくつかの下流タスクにおいて既存のSOTAよりも優れていることが示された。
  論文  参考訳（メタデータ） (2024-09-01T15:00:16Z)
• TransFusion: A Practical and Effective Transformer-based Diffusion Model for 3D Human Motion Prediction [1.8923948104852863]
  本研究では,3次元動作予測のための革新的で実用的な拡散モデルであるTransFusionを提案する。 我々のモデルは、浅い層と深い層の間の長いスキップ接続を持つバックボーンとしてTransformerを活用している。 クロスアテンションや適応層正規化のような余分なモジュールを利用する従来の拡散モデルとは対照的に、条件を含む全ての入力をトークンとして扱い、より軽量なモデルを作成する。
  論文  参考訳（メタデータ） (2023-07-30T01:52:07Z)
• Persistent-Transient Duality: A Multi-mechanism Approach for Modeling Human-Object Interaction [58.67761673662716]
  人間は高度に適応可能で、異なるタスク、状況、状況を扱うために異なるモードを素早く切り替える。 人間と物体の相互作用(HOI)において、これらのモードは、(1)活動全体に対する大規模な一貫した計画、(2)タイムラインに沿って開始・終了する小規模の子どもの対話的行動の2つのメカニズムに起因していると考えられる。 本研究は、人間の動作を協調的に制御する2つの同時メカニズムをモデル化することを提案する。
  論文  参考訳（メタデータ） (2023-07-24T12:21:33Z)
• Executing your Commands via Motion Diffusion in Latent Space [51.64652463205012]
  本研究では,動作遅延に基づく拡散モデル(MLD)を提案し,条件付き入力に対応する鮮明な動き列を生成する。 我々のMDDは、広範囲な人体運動生成タスクにおいて、最先端の手法よりも大幅に改善されている。
  論文  参考訳（メタデータ） (2022-12-08T03:07:00Z)

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。