論文の概要: Controllable Text-to-Motion Generation via Modular Body-Part Phase Control

• arxiv url: http://arxiv.org/abs/2603.19795v1
• Date: Fri, 20 Mar 2026 09:37:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 19:48:39.086309
• Title: Controllable Text-to-Motion Generation via Modular Body-Part Phase Control
• Title（参考訳）: モジュール体部分位相制御による可制御型テキスト・ツー・モーション生成
• Authors: Minyue Dai, Ke Fan, Anyi Rao, Jingbo Wang, Bo Dai,
• Abstract要約: テキスト・トゥ・モーション(T2M)生成はアニメーションとインタラクティブなアバターの実用的なツールになりつつある。 構造化された局所的な編集を可能にするプラグイン・アンド・プレイ・フレームワークであるModular Body-Part Phase Controlを提案する。 拡散モデルと流れモデルの両方の実験により、我々の手法は運動の大きさ、速度、タイミングに対する予測可能かつきめ細かい制御を提供することを示した。
• 参考スコア（独自算出の注目度）: 25.2003430574182
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Text-to-motion (T2M) generation is becoming a practical tool for animation and interactive avatars. However, modifying specific body parts while maintaining overall motion coherence remains challenging. Existing methods typically rely on cumbersome, high-dimensional joint constraints (e.g., trajectories), which hinder user-friendly, iterative refinement. To address this, we propose Modular Body-Part Phase Control, a plug-and-play framework enabling structured, localized editing via a compact, scalar-based phase interface. By modeling body-part latent motion channels as sinusoidal phase signals characterized by amplitude, frequency, phase shift, and offset, we extract interpretable codes that capture part-specific dynamics. A modular Phase ControlNet branch then injects this signal via residual feature modulation, seamlessly decoupling control from the generative backbone. Experiments on both diffusion- and flow-based models demonstrate that our approach provides predictable and fine-grained control over motion magnitude, speed, and timing. It preserves global motion coherence and offers a practical paradigm for controllable T2M generation. Project page: https://jixiii.github.io/bp-phase-project-page/
• Abstract（参考訳）: テキスト・トゥ・モーション(T2M)生成はアニメーションとインタラクティブなアバターの実用的なツールになりつつある。 しかし、運動コヒーレンスを保ちながら特定の身体部分を変更することは依然として困難である。 既存の手法は、通常、複雑で高次元の関節制約(例えば、軌跡)に依存しており、ユーザーフレンドリーで反復的な洗練を妨げる。 そこで本研究では,コンパクトなスカラー・フェーズインタフェースによる構造化・局所化編集を実現するプラグイン・アンド・プレイ・フレームワークであるModular Body-Part Phase Controlを提案する。 周波数, 周波数, 位相シフト, オフセットを特徴とする正弦波位相信号として, 部分固有ダイナミクスを捉える解釈可能な符号を抽出する。 モジュラフェーズコントロールネットブランチは、残りの特徴変調を通じてこの信号を注入し、生成したバックボーンから制御をシームレスに分離する。 拡散モデルと流れモデルの両方の実験により、我々の手法は運動の大きさ、速度、タイミングに対する予測可能かつきめ細かい制御を提供することを示した。 グローバルな動きコヒーレンスを保ち、制御可能なT2M生成のための実用的なパラダイムを提供する。 プロジェクトページ:https://jixiii.github.io/bp-phase-project-page/

関連論文リスト

• DiMo: Discrete Diffusion Modeling for Motion Generation and Understanding [25.254783224309488]
  マスク付きモデリングからテキスト-モーション理解と生成まで拡張した,離散拡散スタイルのフレームワークであるDiMoを提案する。 動きをトークン化し、順次デコードするGPTスタイルの自己回帰アプローチとは異なり、DiMoは繰り返しマスク付きトークン精錬を行う。 HumanML3DとKIT-MLの実験は、強い運動品質と競合する双方向理解を示す。
  論文  参考訳（メタデータ） (2026-02-04T04:01:02Z)
• DEMO: Disentangled Motion Latent Flow Matching for Fine-Grained Controllable Talking Portrait Synthesis [15.304037069236536]
  DEMOは、音声駆動型トーキングヘッドビデオ合成のためのフローマッチング生成フレームワークである。 唇の動き、頭部のポーズ、視線を高度に制御する。
  論文  参考訳（メタデータ） (2025-10-12T15:10:33Z)
• ATI: Any Trajectory Instruction for Controllable Video Generation [25.249489701215467]
  本稿では、カメラの動き、オブジェクトレベルの翻訳、きめ細かい局所的な動きをシームレスに統合する、動画生成におけるモーション制御のための統一的なフレームワークを提案する。 提案手法は,事前学習した画像-映像生成モデルの潜在空間にユーザ定義トラジェクトリを投影することにより,凝集性のある解を提供する。
  論文  参考訳（メタデータ） (2025-05-28T23:49:18Z)
• Mojito: Motion Trajectory and Intensity Control for Video Generation [79.85687620761186]
  本稿では,テキスト・ビデオ生成のための運動軌跡と強度制御の両方を組み込んだ拡散モデルであるMojitoを紹介する。 実験は, 高精度な軌道制御と強度制御を高い計算効率で実現する上で, モジトの有効性を実証する。
  論文  参考訳（メタデータ） (2024-12-12T05:26:43Z)
• CLoSD: Closing the Loop between Simulation and Diffusion for multi-task character control [27.418288450778192]
  物理シミュレーションのための運動拡散モデルと強化学習に基づく制御は、人間の運動生成に相補的な強みを持つ。 CLoSDはテキスト駆動のRL物理ベースのコントローラで、様々なタスクの拡散生成によって導かれる。 CLoSDは、目標地点へのナビゲーション、テキストプロンプトで指定された手や足で物体を打つこと、座ること、立ち上がることなど、さまざまなタスクをシームレスに実行することができる。
  論文  参考訳（メタデータ） (2024-10-04T13:56:48Z)
• Motion-I2V: Consistent and Controllable Image-to-Video Generation with Explicit Motion Modeling [62.19142543520805]
  Motion-I2Vは、一貫した制御可能な画像対ビデオ生成のためのフレームワークである。 I2Vを2段階に分解し、明示的なモーションモデリングを行う。 Motion-I2Vの第2ステージは、ゼロショットビデオからビデオへの変換を自然にサポートしている。
  論文  参考訳（メタデータ） (2024-01-29T09:06:43Z)
• OmniControl: Control Any Joint at Any Time for Human Motion Generation [46.293854851116215]
  テキスト条件付き人体動作生成モデルにフレキシブルな空間制御信号を統合するために,OmniControlという新しい手法を提案する。 本稿では,入力制御信号に厳密に適合した動作を実現するための解析的空間ガイダンスを提案する。 同時に、全ての関節を洗練してよりコヒーレントな動きを生み出すためにリアリズムガイダンスが導入された。
  論文  参考訳（メタデータ） (2023-10-12T17:59:38Z)
• Interactive Character Control with Auto-Regressive Motion Diffusion Models [18.727066177880708]
  リアルタイム動作合成のためのA-MDM(Auto-Regressive Motion Diffusion Model)を提案する。 我々の条件拡散モデルは初期ポーズを入力とし、前者のフレームに条件付けられた連続した動きフレームを自動回帰的に生成する。 本稿では,タスク指向サンプリング,インペインティング,階層的強化学習など,対話型制御をA-MDMに組み込む一連の手法を紹介する。
  論文  参考訳（メタデータ） (2023-06-01T07:48:34Z)
• STMT: A Spatial-Temporal Mesh Transformer for MoCap-Based Action Recognition [50.064502884594376]
  本研究では、モーションキャプチャー(MoCap)シーケンスを用いた人間の行動認識の問題点について検討する。 メッシュシーケンスを直接モデル化する新しい時空間メッシュ変換器(STMT)を提案する。 提案手法は,スケルトンベースモデルやポイントクラウドベースモデルと比較して,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2023-03-31T16:19:27Z)

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。