論文の概要: NECromancer: Breathing Life into Skeletons via BVH Animation

• arxiv url: http://arxiv.org/abs/2602.06548v1
• Date: Fri, 06 Feb 2026 09:52:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-09 22:18:26.330196
• Title: NECromancer: Breathing Life into Skeletons via BVH Animation
• Title（参考訳）: NECromancer:BVHアニメーションによるスケルトンでの生活
• Abstract要約: 運動トークン化(英: Motion tokenization)は、一般化可能な運動モデルの主要な構成要素である。 本稿では,任意のBVH骨格を直接操作するユニバーサルモーショントークンであるNEC(NEC)を提案する。 結果として生じるトークン空間は、クロススペックのモーショントランスファー、合成、ノイズ化、トークンベースのモデルによる生成、テキストモーション検索をサポートする。
• 参考スコア（独自算出の注目度）: 25.254783224309477
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Motion tokenization is a key component of generalizable motion models, yet most existing approaches are restricted to species-specific skeletons, limiting their applicability across diverse morphologies. We propose NECromancer (NEC), a universal motion tokenizer that operates directly on arbitrary BVH skeletons. NEC consists of three components: (1) an Ontology-aware Skeletal Graph Encoder (OwO) that encodes structural priors from BVH files, including joint semantics, rest-pose offsets, and skeletal topology, into skeletal embeddings; (2) a Topology-Agnostic Tokenizer (TAT) that compresses motion sequences into a universal, topology-invariant discrete representation; and (3) the Unified BVH Universe (UvU), a large-scale dataset aggregating BVH motions across heterogeneous skeletons. Experiments show that NEC achieves high-fidelity reconstruction under substantial compression and effectively disentangles motion from skeletal structure. The resulting token space supports cross-species motion transfer, composition, denoising, generation with token-based models, and text-motion retrieval, establishing a unified framework for motion analysis and synthesis across diverse morphologies. Demo page: https://animotionlab.github.io/NECromancer/
• Abstract（参考訳）: 運動トークン化は、一般化可能な運動モデルの主要な構成要素であるが、既存のほとんどのアプローチは種固有の骨格に限られており、様々な形態の応用性を制限する。 本稿では,任意のBVH骨格を直接操作するユニバーサルモーショントークンであるNEC(NEC)を提案する。 NECは、(1)関節意味論、安静オフセット、骨格トポロジーなどのBVHファイルから構造的先行を骨格埋め込みにエンコードするオントロジー対応の骨格グラフエンコーダ(OwO)、(2)運動列を普遍的でトポロジーに不変な離散表現に圧縮するトポロジー非依存型トケナイザ(TAT)、(3)BVHユニバース(UvU)という、異種骨格をまたいだ大規模なデータセットアグリゲーションである。 実験により、NECは相当な圧縮下で高忠実度再構成を実現し、骨格構造からの運動を効果的に切り離すことが示されている。 結果として生じるトークン空間は、異種間の動き伝達、合成、騒音発生、トークンベースのモデルによる生成、テキスト移動検索をサポートし、様々な形態の運動分析と合成のための統合された枠組みを確立する。 デモページ:https://animotionlab.github.io/NECromancer/

関連論文リスト

• UniMate: One Unified Model to Animate Diverse Skeletons [22.957889325110912]
  任意の骨格の関節運動を3Dアセットとテキストプロンプトから合成する基礎モデルUniMateを提案する。 UniMateは、骨格トポロジを注意に組み込むトポロジ対応拡散トランスフォーマーを導入している。 また,二足歩行,四足歩行,鳥類,海産,昆虫型,セルペンチン,関節状固形物を対象とし,UniML3D,13,006の運動配列を治療した。
  論文  参考訳（メタデータ） (2026-09-04T17:59:00Z)
• SAMoR: Motion Modelling for Articulated Objects of Any Skeleton and Topology [46.893067487418314]
  本稿では,各動作セグメントを小さな固定数として符号化するクロストポロジー運動表現であるSAMoRを紹介する。 グラフ変換器エンコーダは、関節運動特徴、運動グラフ構造、結合名埋め込みを消費し、それを部分レベルトークンに圧縮する。 部分クエリが冗長なグローバル表現に崩壊しないように、トポロジーに依存しない注意監視損失を導入する。
  論文  参考訳（メタデータ） (2026-07-02T13:24:47Z)
• TopoCap: Learning Topology-Agnostic Motion Priors for Monocular Video-to-Animation [44.79819257609757]
  TopoCapはモノクロビデオから動きを抽出し、任意の骨格トポロジで文字に書き込むことができる最初の統合フレームワークである。 我々の重要な洞察は、骨格構造は離散的であるが、運動の基盤となる物理学は連続的で低次元の多様体を占有しているということである。 この洞察を、2段階の生成パイプラインを通じて実現します。
  論文  参考訳（メタデータ） (2026-06-10T14:41:19Z)
• SkelHCC: A Hyperbolic CLIP-Driven Cache Adaptation Framework for Skeleton-based One-Shot Action Recognition [54.97159515886273]
  SkelHCCは、シングルショットアクション認識のための統合スケルトンハイパーボリックCLIP駆動キャッシュ適応フレームワークである。 双曲幾何学の負の曲率と指数体積の増大を利用して、EH-HCLIPは自然にヒト解剖学の結合部分体階層をコードする。
  論文  参考訳（メタデータ） (2026-06-02T13:13:27Z)
• MotionDreamer: Universal Skeletal Motion Generation for 3D Rigged Shapes [52.45449797329548]
  MotionDreamerは、2Dビデオガイダンスからカテゴリに依存しない骨格アニメーションを生成するための拡散ベースのフレームワークである。 本研究では,2次元視覚運動キューとヘテロジニアスな3次元骨格構造とのギャップを埋める構造的意味注入機構を提案する。 提案手法は既存の手法を著しく上回り、堅牢で効率的な4Dアセット生成のための最先端のベンチマークを新たに設定する。
  論文  参考訳（メタデータ） (2026-06-01T00:42:31Z)
• Towards Universal Skeleton-Based Action Recognition [26.447920160010515]
  本研究は,開語彙を用いたヘテロジニアス骨格に基づく行動認識の問題を研究する。 本稿では, 骨格の統一表現, 骨格の移動エンコーダ, 多粒な動きテキストアライメントの3つの重要な構成要素からなるトランスフォーマーモデルを提案する。 ヘテロジニアス骨格データを用いた一般的なベンチマーク実験では,提案手法の有効性と性能が実証された。
  論文  参考訳（メタデータ） (2026-04-18T14:50:46Z)
• PALUM: Part-based Attention Learning for Unified Motion Retargeting [53.17113525688095]
  異なる骨格構造を持つキャラクター間の反発は、コンピュータアニメーションの基本的な課題である。 多様な骨格トポロジーにまたがる共通の動き表現を学習する新しいアプローチを提案する。 実験は、運動リアリズムと意味的忠実性を維持しながら、多様な骨格構造を扱う上で優れた性能を示す。
  論文  参考訳（メタデータ） (2026-01-12T07:29:44Z)
• Topology-Agnostic Animal Motion Generation from Text Prompt [16.557163253248817]
  OmniZooは140種32,979配列にまたがる大規模動物運動データセットである。 本稿では,任意の骨格トポロジに対してテキスト駆動動作を生成可能な,一般化された自己回帰運動生成フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-12-11T07:08:29Z)
• AnyTop: Character Animation Diffusion with Any Topology [54.07731933876742]
  我々は,異なる動きダイナミクスを持つ多種多様な文字に対する動きを生成する拡散モデルであるAnyTopを紹介する。 我々の研究は、任意の骨格学習に適したトランスフォーマーベースの認知ネットワークを特徴としている。 我々の評価では、AnyTopsはトポロジー当たりのトレーニング例が3つも少なく、見えない骨格の運動も生成できる。
  論文  参考訳（メタデータ） (2025-02-24T17:00:36Z)
• Motif Guided Graph Transformer with Combinatorial Skeleton Prototype Learning for Skeleton-Based Person Re-Identification [60.939250172443586]
  3Dスケルトンデータによる人物再識別(re-ID)は多くのシナリオにおいて重要な価値を持つ課題である。 既存の骨格に基づく手法は、典型的には全ての関節間の仮想運動関係を仮定し、学習に平均的な関節またはシーケンス表現を採用する。 本稿では,Y Combinatorial skeleton prototype learning (MoCos)を用いた汎用Motifガイドグラフトランスフォーマを提案する。 MoCosは、構造特異的で歩行関連のある身体関係とスケルトングラフの特徴を利用して、人物のre-IDに効果的な骨格表現を学習する。
  論文  参考訳（メタデータ） (2024-12-12T08:13:29Z)
• SkeleTR: Towrads Skeleton-based Action Recognition in the Wild [86.03082891242698]
  SkeleTRは骨格に基づく行動認識のための新しいフレームワークである。 まず、グラフ畳み込みによる各骨格配列の人体内骨格力学をモデル化する。 次に、スタック化されたTransformerエンコーダを使用して、一般的なシナリオにおけるアクション認識に重要な人物のインタラクションをキャプチャする。
  論文  参考訳（メタデータ） (2023-09-20T16:22:33Z)
• TranSG: Transformer-Based Skeleton Graph Prototype Contrastive Learning with Structure-Trajectory Prompted Reconstruction for Person Re-Identification [63.903237777588316]
  3Dスケルトンデータによる人物再識別(re-ID)は、顕著な優位性を持つ新興トピックである。 既存の方法は通常、生の関節を持つ骨格記述子を設計するか、あるいは骨格配列表現学習を行う。 本稿では,構造軌道を誘導する再構成によるコントラスト学習(TranSG)手法を提案する。
  論文  参考訳（メタデータ） (2023-03-13T02:27:45Z)
• SM-SGE: A Self-Supervised Multi-Scale Skeleton Graph Encoding Framework for Person Re-Identification [12.347724797202865]
  3Dスケルトンによる人物の再識別は、セキュリティクリティカルなアプリケーションにおいて大きな可能性を持つ、新たなトピックである。 既存の方法は、典型的には体と関節の軌跡から身体と運動の特徴を学習する。 本稿では,人体,コンポーネント関係,骨格動態を包括的にモデル化する自己教師付きマルチスケールグラフ(SM-SGE)フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-07-05T09:53:08Z)
• Skeleton-Aware Networks for Deep Motion Retargeting [83.65593033474384]
  骨格間のデータ駆動動作のための新しいディープラーニングフレームワークを提案する。 我々の手法は、トレーニングセットの運動間の明確なペアリングを必要とせずに、再ターゲティングの仕方を学ぶ。
  論文  参考訳（メタデータ） (2020-05-12T12:51:40Z)

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。