論文の概要: EverybodyDance: Bipartite Graph-Based Identity Correspondence for Multi-Character Animation
- arxiv url: http://arxiv.org/abs/2512.16360v1
- Date: Thu, 18 Dec 2025 09:55:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-19 18:10:32.003861
- Title: EverybodyDance: Bipartite Graph-Based Identity Correspondence for Multi-Character Animation
- Title（参考訳）: EverybodyDance: マルチキャラクタアニメーションのための二部グラフベースのアイデンティティ対応
- Abstract要約: マルチキャラクタアニメーションにおけるICの正しさを目標とした体系的ソリューションである EverybodyDance を紹介する。
EverybodyDanceはIdentity Matching Graph(IMG)を中心に構築されており、生成されたフレームと参照フレームの文字を2つのノードセットとしてモデル化する。
また,マルチキャラクタアニメーションに適したターゲット戦略として,アイデンティティ組み込みガイダンス,マルチスケールマッチング戦略,事前分類サンプリングなどを提案する。
- 参考スコア（独自算出の注目度）: 21.656024015861618
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Consistent pose-driven character animation has achieved remarkable progress in single-character scenarios. However, extending these advances to multi-character settings is non-trivial, especially when position swap is involved. Beyond mere scaling, the core challenge lies in enforcing correct Identity Correspondence (IC) between characters in reference and generated frames. To address this, we introduce EverybodyDance, a systematic solution targeting IC correctness in multi-character animation. EverybodyDance is built around the Identity Matching Graph (IMG), which models characters in the generated and reference frames as two node sets in a weighted complete bipartite graph. Edge weights, computed via our proposed Mask-Query Attention (MQA), quantify the affinity between each pair of characters. Our key insight is to formalize IC correctness as a graph structural metric and to optimize it during training. We also propose a series of targeted strategies tailored for multi-character animation, including identity-embedded guidance, a multi-scale matching strategy, and pre-classified sampling, which work synergistically. Finally, to evaluate IC performance, we curate the Identity Correspondence Evaluation benchmark, dedicated to multi-character IC correctness. Extensive experiments demonstrate that EverybodyDance substantially outperforms state-of-the-art baselines in both IC and visual fidelity.
- Abstract（参考訳）: 一貫性のあるポーズ駆動キャラクタアニメーションは、シングルキャラクタのシナリオにおいて顕著な進歩を遂げた。
しかし、これらの進歩をマルチキャラクタ設定に拡張することは、特に位置スワップが関与する場合には、簡単ではない。
単なるスケーリング以外にも、中心となる課題は、参照中の文字と生成されたフレームの間に正しいアイデンティティ対応(IC)を強制することである。
そこで本研究では,マルチキャラクタアニメーションにおけるIC正当性を対象とする体系的ソリューションであるEverybodyDanceを紹介する。
EverybodyDanceはIdentity Matching Graph(IMG)を中心に構築されており、生成されたフレームと参照フレームの文字を重み付き完全二部グラフの2つのノードセットとしてモデル化する。
エッジウェイトは、提案したMask-Query Attention (MQA)を通して計算され、各文字間の親和性を定量化する。
我々の重要な洞察は、ICの正しさをグラフ構造計量として形式化し、トレーニング中にそれを最適化することである。
また,マルチキャラクタアニメーションに適したターゲット戦略として,アイデンティティ埋め込み型ガイダンス,マルチスケールマッチング戦略,構文的に機能する事前分類サンプリングなどを提案する。
最後に、IC性能を評価するために、マルチ文字ICの正当性に特化したアイデンティティ対応評価ベンチマークをキュレートする。
広範囲にわたる実験により、EverybodyDanceはICと視覚の両面において最先端のベースラインを大幅に上回っていることが示された。
関連論文リスト
- MultiAnimate: A Unified Framework for Controllable Multi-Character Animation [76.56813950148235]
MultiAnimateは、共有環境内で複数の文字の同時アニメーションを可能にするフレームワークである。
本稿では,複数の参照画像から外見を抽出できる識別特化参照ネットを提案する。
第二に、文字-目的結合問題に対処するために、ID対応のポーズエンコーダを実装した。
第3に,複雑な文字間インタラクションを扱うフレームワークの機能を強化する対話ガイドモジュールを導入する。
論文 参考訳（メタデータ） (2026-07-15T03:33:52Z) - Beyond Pedestrians: Caption-Guided CLIP Framework for High-Difficulty Video-based Person Re-Identification [0.0]
テキスト記述と学習可能なトークンを活用するキャプション誘導型CLIPフレームワークを提案する。
我々は2つの標準データセットと2つの新しく構築された高次データセットに対するアプローチを評価する。
実験により,本手法は現在の最先端手法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） (2026-04-09T02:55:51Z) - Persistent Story World Simulation with Continuous Character Customization [85.65195925369268]
本稿では,連続したストーリーキャラクタをカスタマイズするためのストーリーワールドシミュレータであるEverTaleを紹介する。
私たちのEverTaleは、シングルキャラクタとマルチキャラクタの両方のストーリービジュアライゼーションにおいて、より広範な比較手法に対して優れたパフォーマンスを実現しています。
論文 参考訳（メタデータ） (2026-03-17T09:17:10Z) - AnyCrowd: Instance-Isolated Identity-Pose Binding for Arbitrary Multi-Character Animation [55.94507360511886]
我々は,任意の文字にスケール可能なトランスフォーマーベースのビデオ生成フレームワークであるAnyCrowdを提案する。
具体的には、まず、DiT処理に先立って文字インスタンスを独立してエンコードするIILR(Instance-Isolated Latent Representation)を導入し、遅延IDの絡み込みを防止する。
この不整合表現に基づいて、さらに、(i)インスタンス認識フォアグラウンドアテンション、(ii)背景中心の相互作用、(iii)世界背景調整に自己注意を分解することで、運転ポーズにアイデンティティを結合するトリステージデカップリングアテンション(TSDA)を提案する。
論文 参考訳（メタデータ） (2026-03-16T15:25:04Z) - MultiAnimate: Pose-Guided Image Animation Made Extensible [44.163219649465866]
Pose-Guided Human Image animationは、ポーズの連続によって駆動される参照キャラクタのリアルなビデオを合成することを目的としている。
映像生成のための現代拡散変換器上に構築されたマルチ文字画像アニメーションフレームワークを提案する。
提案手法は,既存の拡散ベースラインを超越したマルチキャラクタ画像アニメーションにおける最先端性能を実現する。
論文 参考訳（メタデータ） (2026-02-25T05:06:58Z) - DreamActor-M2: Universal Character Image Animation via Spatiotemporal In-Context Learning [24.808926786222376]
本研究では,DreamActor-M2を提案する。DreamActor-M2は,動作条件をコンテキスト内学習問題として再定義する汎用アニメーションフレームワークである。
まず、参照の出現と動きの手がかりを統一された潜在空間に融合させることにより、入力モダリティギャップを橋渡しする。
次に、擬似的クロスアイデンティティトレーニングペアをキュレートする自己ブートストラップデータ合成パイプラインを導入する。
論文 参考訳（メタデータ） (2026-01-29T13:43:17Z) - Towards Generalized Multi-Image Editing for Unified Multimodal Models [56.620038824933566]
統一マルチモーダルモデル(UMM)は、マルチモーダル理解と生成を統合する。
UMMは、複数の入力画像にまたがる詳細を参照する場合、視覚的一貫性の維持と視覚的手がかりの曖昧さに制限される。
画像の同一性を明確に識別し、可変入力数に一般化するUMMのためのスケーラブルなマルチイメージ編集フレームワークを提案する。
論文 参考訳（メタデータ） (2026-01-09T06:42:49Z) - DisCo: Reinforcement with Diversity Constraints for Multi-Human Generation [60.741022906593685]
DisCoは、マルチヒューマン世代におけるアイデンティティの多様性を直接最適化する最初のRLベースのフレームワークである。
グループ相対ポリシー最適化によるDisCo微粒フローマッチングモデル。
DiverseHumans Testsetでは、DisCoは98.6のユニークな顔の精度とほぼ完璧なグローバルアイデンティティスプレッドを実現している。
論文 参考訳（メタデータ） (2025-10-01T19:28:51Z) - HERO: Rethinking Visual Token Early Dropping in High-Resolution Large Vision-Language Models [60.028070589466445]
本稿では,コンテンツ適応型トークン予算配分と関数対応トークン選択を統合したフレームワークHEROを提案する。
本研究は、HR-LVLMにおける効率的な推論に対する経験的洞察と実践的解決策の両方を提供する。
論文 参考訳（メタデータ） (2025-09-16T13:22:08Z) - GAME: Learning Multimodal Interactions via Graph Structures for Personality Trait Estimation [13.071227081328288]
ショートビデオからの明瞭なパーソナリティ分析は、視覚的、聴覚的、およびテキスト的手がかりの複雑な相互作用のため、重要なチャルレンジを呈する。
本稿では,グラフ拡張型マルチモーダル進化法であるGAMEを提案する。
ビジュアルストリームのために、顔グラフを構築し、グラフ畳み込みネットワーク(GCN)と畳み込みニューラルネットワーク(CNN)を組み合わせたデュアルブランチGeo Two-Stream Networkを導入する。
時間的ダイナミクスを捉えるために、フレームレベルの特徴はBiGによって処理される
論文 参考訳（メタデータ） (2025-05-05T13:48:09Z) - IC-Portrait: In-Context Matching for View-Consistent Personalized Portrait [51.18967854258571]
IC-Portraitは、パーソナライズされた肖像画生成のために個々のアイデンティティを正確にエンコードするように設計された新しいフレームワークである。
我々の重要な洞察は、事前学習された拡散モデルは、文脈内密対応マッチングのための高速学習者であるということである。
我々は,IC-Portraitが既存の最先端手法を定量的かつ質的に一貫的に上回っていることを示す。
論文 参考訳（メタデータ） (2025-01-28T18:59:03Z) - FineCLIPER: Multi-modal Fine-grained CLIP for Dynamic Facial Expression Recognition with AdaptERs [5.35588281968644]
適応器を用いた動的顔表情認識のためのマルチモーダルきめ細粒度CLIP(Fine CLIPER)を提案する。
我々のFine CLIPERは、パラメータが少ないDFEW、FERV39k、MAFWデータセットで調整可能なSOTA性能を実現する。
論文 参考訳（メタデータ） (2024-07-02T10:55:43Z) - Towards Multiple Character Image Animation Through Enhancing Implicit Decoupling [77.08568533331206]
文字画像アニメーションのための新しい多条件ガイドフレームワークを提案する。
我々は、モデルが暗黙的に疎結合する能力を高めるために、よく設計された入力モジュールをいくつか採用する。
本手法は,特に複雑な背景と複数の文字のシナリオにおいて,高品質なキャラクタアニメーションの生成に優れる。
論文 参考訳（メタデータ） (2024-06-05T08:03:18Z) - Representing Videos as Discriminative Sub-graphs for Action Recognition [165.54738402505194]
ビデオ中の各アクションの識別パターンを表現およびエンコードするためのサブグラフの新たな設計を提案する。
時空グラフとクラスタを各スケールでコンパクトなサブグラフに新たに構築するMUlti-scale Sub-Earn Ling (MUSLE) フレームワークを提案する。
論文 参考訳（メタデータ） (2022-01-11T16:15:25Z) - FDGATII : Fast Dynamic Graph Attention with Initial Residual and
Identity Mapping [0.39373541926236766]
本稿では,注目機構が選択情報に注目する能力に触発された新しいグラフニューラルネットワークFDGATIIを提案する。
FDG ATII は設計において本質的に並列化可能であり、操作ではホイット効率がよい。
FDG ATII は GAT と GCN をベースとしたベンチマークにおいて,完全教師付きタスクの精度と性能に優れることを示す。
論文 参考訳（メタデータ） (2021-10-21T20:19:17Z)
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。