論文の概要: RAM: Recover Any 3D Human Motion in-the-Wild

• arxiv url: http://arxiv.org/abs/2603.19929v1
• Date: Fri, 20 Mar 2026 13:17:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 19:48:39.149464
• Title: RAM: Recover Any 3D Human Motion in-the-Wild
• Title（参考訳）: RAM:3Dの人間の動きを3Dで再現する
• Authors: Sen Jia, Ning Zhu, Jinqin Zhong, Jiale Zhou, Huaping Zhang, Jenq-Neng Hwang, Lei Li,
• Abstract要約: RAMは、ロバストな関連性を達成するために適応的なカルマンフィルタを備えた動き認識セマンティックトラッカーを組み込んでいる。 RAMは、ゼロショットトラッキングの安定性と3D精度の両方において、これまでの最先端よりも大幅に優れています。
• 参考スコア（独自算出の注目度）: 28.649214706624196
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: RAM incorporates a motion-aware semantic tracker with adaptive Kalman filtering to achieve robust identity association under severe occlusions and dynamic interactions. A memory-augmented Temporal HMR module further enhances human motion reconstruction by injecting spatio-temporal priors for consistent and smooth motion estimation. Moreover, a lightweight Predictor module forecasts future poses to maintain reconstruction continuity, while a gated combiner adaptively fuses reconstructed and predicted features to ensure coherence and robustness. Experiments on in-the-wild multi-person benchmarks such as PoseTrack and 3DPW, demonstrate that RAM substantially outperforms previous state-of-the-art in both Zero-shot tracking stability and 3D accuracy, offering a generalizable paradigm for markerless 3D human motion capture in-the-wild.
• Abstract（参考訳）: RAMには適応カルマンフィルタを用いた動き認識セマンティックトラッカーが組み込まれており、激しい閉塞と動的相互作用の下で堅牢なアイデンティティアソシエーションを実現する。 記憶増強時間HMRモジュールは、一貫したスムーズな動き推定のために時空間前兆を注入することにより、人間の動き再構成をさらに強化する。 さらに、軽量な予測モジュールは、復元継続性を維持するために将来を予測し、ゲートコンバインダは、再構成および予測された特徴を適応的に融合してコヒーレンスとロバスト性を確保する。 PoseTrackや3DPWといったWildのマルチパーソンベンチマークの実験では、RAMはゼロショットトラッキングの安定性と3D精度の両方において、これまでの最先端技術よりも大幅に優れており、マーカーレス3Dモーションキャプチャーの一般化可能なパラダイムを提供する。

関連論文リスト

• Mango-GS: Enhancing Spatio-Temporal Consistency in Dynamic Scenes Reconstruction using Multi-Frame Node-Guided 4D Gaussian Splatting [17.957935001501106]
  我々は,高忠実度4D再構成のためのノード誘導フレームワークMango-GSを提案する。 時間変換器を利用して、フレームの短いウィンドウ内での動作依存をモデル化する。 Mango-GSは、最先端の再構築品質とリアルタイムレンダリング速度を達成する。
  論文  参考訳（メタデータ） (2026-03-12T05:00:16Z)
• Towards Geometry-Aware and Motion-Guided Video Human Mesh Recovery [60.51998732898099]
  HMRMambaは3Dヒューマンメッシュリカバリのための新しいパラダイムである。 構造状態空間モデル(Structured State Space Models)をその効率性と長距離モデリングに利用した先駆者である。 まず、新しいデュアルスキャンのMambaアーキテクチャを特徴とするGeometry-Aware Lifting Moduleについて述べる。
  論文  参考訳（メタデータ） (2026-01-29T08:05:02Z)
• StarPose: 3D Human Pose Estimation via Spatial-Temporal Autoregressive Diffusion [29.682018018059043]
  StarPoseは3次元人間のポーズ推定のための自己回帰拡散フレームワークである。 歴史的3Dポーズの予測と空間的物理的ガイダンスが組み込まれている。 人間の3次元ポーズ推定における精度と時間的一貫性を向上する。
  論文  参考訳（メタデータ） (2025-08-04T04:50:05Z)
• ReCoM: Realistic Co-Speech Motion Generation with Recurrent Embedded Transformer [58.49950218437718]
  音声に同期した高忠実で一般化可能な人体動作を生成するための効率的なフレームワークであるReCoMを提案する。 Recurrent Embedded Transformer (RET)は、動的埋め込み正規化(DER)をViT(Vit)コアアーキテクチャに統合する。 モデルロバスト性を高めるため,ノイズ抵抗とクロスドメイン一般化の二重性を持つモデルに,提案したDER戦略を取り入れた。
  論文  参考訳（メタデータ） (2025-03-27T16:39:40Z)
• EMoTive: Event-guided Trajectory Modeling for 3D Motion Estimation [59.33052312107478]
  イベントカメラは、シーン変化に対する連続的適応ピクセルレベル応答による3次元モーション推定の可能性を提供する。 本稿では,イベント誘導パラメトリック曲線を用いた一様軌道をモデル化するイベントベースフレームワークであるEMoveについて述べる。 動作表現には,事象誘導下での空間的特徴と時間的特徴を融合する密度認識適応機構を導入する。 最終3次元運動推定は、パラメトリック軌道、流れ、深度運動場の多時間サンプリングによって達成される。
  論文  参考訳（メタデータ） (2025-03-14T13:15:54Z)
• Event-boosted Deformable 3D Gaussians for Dynamic Scene Reconstruction [50.873820265165975]
  本稿では,高時間分解能連続運動データと動的シーン再構成のための変形可能な3D-GSを併用したイベントカメラについて紹介する。 本稿では、3次元再構成としきい値モデリングの両方を大幅に改善する相互強化プロセスを作成するGS-Thresholdジョイントモデリング戦略を提案する。 提案手法は,合成および実世界の動的シーンを用いた最初のイベント包摂型4Dベンチマークであり,その上で最先端の性能を実現する。
  論文  参考訳（メタデータ） (2024-11-25T08:23:38Z)
• ReMP: Reusable Motion Prior for Multi-domain 3D Human Pose Estimation and Motion Inbetweening [10.813269931915364]
  我々は人体形状の完全なパラメトリックモデルの前列からリッチな動きを学習する。 我々の前者は、フレーム不足やノイズ測定で簡単にポーズを推定できる。 ReMPは、多種多様な実用的な3Dモーションデータに基づくベースライン法よりも一貫して優れている。
  論文  参考訳（メタデータ） (2024-11-13T02:42:07Z)
• ALOcc: Adaptive Lifting-Based 3D Semantic Occupancy and Cost Volume-Based Flow Predictions [91.55655961014027]
  シーン理解には3次元セマンティック占有とフロー予測が不可欠である。 本稿では,3つの改善点を目標とした視覚ベースのフレームワークを提案する。 我々の純粋な畳み込みアーキテクチャは、セマンティック占有率とジョイントセマンティックフロー予測の両方のために、複数のベンチマーク上で新しいSOTA性能を確立する。
  論文  参考訳（メタデータ） (2024-11-12T11:32:56Z)
• 3D Pose Estimation and Future Motion Prediction from 2D Images [26.28886209268217]
  本稿では,3次元人物のポーズを推定し,RGB画像列から将来の3次元動作を予測するという,高相関な課題に共同で取り組むことを検討する。 リー代数のポーズ表現に基づいて、人間の運動キネマティクスを自然に保存する新しい自己投射機構が提案されている。
  論文  参考訳（メタデータ） (2021-11-26T01:02:00Z)

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。