論文の概要: ST-GDance++: A Scalable Spatial-Temporal Diffusion for Long-Duration Group Choreography

• arxiv url: http://arxiv.org/abs/2603.22316v1
• Date: Fri, 20 Mar 2026 04:16:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-25 19:53:37.052985
• Title: ST-GDance++: A Scalable Spatial-Temporal Diffusion for Long-Duration Group Choreography
• Title（参考訳）: ST-GDance++:Long-Duration Group Choreographyのためのスケーラブルな空間時間拡散
• Authors: Jing Xu, Weiqiang Wang, Cunjian Chen, Jun Liu, Qiuhong Ke,
• Abstract要約: 音楽からグループダンスを生成するには、空間的調整を維持しながら複数のダンサーを同期させる必要がある。 最近のグループダンス生成モデルは有望な生成品質を達成したが、対話的なシナリオでの展開は困難である。 空間的および時間的依存関係を分離し、効率的な衝突認識グループ振付生成を可能にするスケーラブルなフレームワークST-GDance++を提案する。
• 参考スコア（独自算出の注目度）: 36.45013779800946
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Group dance generation from music requires synchronizing multiple dancers while maintaining spatial coordination, making it highly relevant to applications such as film production, gaming, and animation. Recent group dance generation models have achieved promising generation quality, but they remain difficult to deploy in interactive scenarios due to bidirectional attention dependencies. As the number of dancers and the sequence length increase, the attention computation required for aligning music conditions with motion sequences grows quadratically, leading to reduced efficiency and increased risk of motion collisions. Effectively modeling dense spatial-temporal interactions is therefore essential, yet existing methods often struggle to capture such complexity, resulting in limited scalability and unstable multi-dancer coordination. To address these challenges, we propose ST-GDance++, a scalable framework that decouples spatial and temporal dependencies to enable efficient and collision-aware group choreography generation. For spatial modeling, we introduce lightweight distance-aware graph convolutions to capture inter-dancer relationships while reducing computational overhead. For temporal modeling, we design a diffusion noise scheduling strategy together with an efficient temporal-aligned attention mask, enabling stream-based generation for long motion sequences and improving scalability in long-duration scenarios. Experiments on the AIOZ-GDance dataset show that ST-GDance++ achieves competitive generation quality with significantly reduced latency compared to existing methods.
• Abstract（参考訳）: 音楽からグループダンスを生成するには、空間的調整を維持しながら複数のダンサーを同期させることが必要であり、映画制作、ゲーム、アニメーションなどの応用に非常に関係している。 最近のグループダンス生成モデルは、期待できる世代品質を達成したが、双方向の注意関係のため、対話的なシナリオで展開することは困難である。 ダンサーの数とシーケンスの長さが増加するにつれて、音楽条件とモーション・シーケンスの整列に必要な注意計算が2次的に増加し、効率が低下し、動き衝突のリスクが増大する。 したがって、密集した時空間相互作用を効果的にモデル化することは不可欠であるが、既存の手法はしばしばそのような複雑さを捉えるのに苦労し、拡張性に限界があり、不安定なマルチダンサー調整をもたらす。 これらの課題に対処するため,ST-GDance++を提案する。これは空間的および時間的依存関係を分離し,効率的なグループ振付生成を実現するスケーラブルなフレームワークである。 空間モデリングでは,計算オーバーヘッドを低減しつつ,距離対応の軽量グラフ畳み込みを導入している。 時間的モデリングでは,効率的な時間的アテンションマスクとともに拡散雑音スケジューリング戦略を設計し,ストリームベースの長動き列生成を実現し,長期化シナリオのスケーラビリティを向上する。 AIOZ-GDanceデータセットの実験では、ST-GDance++は既存の手法に比べてレイテンシを大幅に低減して競合生成品質を達成する。

関連論文リスト

• Towards Robust and Generalizable Continuous Space-Time Video Super-Resolution with Events [71.2439653098351]
  連続時空ビデオスーパーSTVSRは、高解像度で高フレームのビデオを任意の時間スケールで再構成する能力への関心が高まっている。 EvEnhancerは、イベントストリームにカプセル化された高時間および高ダイナミックレンジのユニークな特性を結合する新しいアプローチである。 提案手法は,OODスケールでの一般化性を維持しつつ,合成および実世界の両方のデータセット上での最先端性能を実現する。
  論文  参考訳（メタデータ） (2025-10-04T15:23:07Z)
• ST-GDance: Long-Term and Collision-Free Group Choreography from Music [40.600668304004344]
  グループダンスは、映画、ゲーム、アニメーション制作に広く応用されている。 空間的・時間的依存関係を分離し,長期・衝突のないグループコレオグラフィーを最適化する新しいフレームワークST-GDanceを提案する。
  論文  参考訳（メタデータ） (2025-07-29T05:54:48Z)
• TCDiff++: An End-to-end Trajectory-Controllable Diffusion Model for Harmonious Music-Driven Group Choreography [28.058589813506483]
  TCDiff++は、調和したグループダンスを生成するように設計された音楽駆動のエンドツーエンドフレームワークである。 マルチダンサー衝突を緩和するために,ダンサー位置定位埋め込みを用いて時間的・個人的情報を符号化する。 単段スライディングの問題に対処するために,ダンサースワッピングパターンを示すスワップモードの埋め込みを導入する。
  論文  参考訳（メタデータ） (2025-06-23T14:15:20Z)
• ReactDance: Hierarchical Representation for High-Fidelity and Coherent Long-Form Reactive Dance Generation [21.732021702335345]
  我々は,新しい階層型潜在空間で動作する拡散フレームワークであるtextbfReactDanceを紹介する。 ReactDanceは、動作品質、長期コヒーレンス、サンプリング効率において、最先端の手法を大幅に上回ることを示す。
  論文  参考訳（メタデータ） (2025-05-08T18:42:38Z)
• Lagrangian Motion Fields for Long-term Motion Generation [51.02126882968116]
  本稿では,ラグランジアン運動場の概念について紹介する。 各関節を短い間隔で一様速度でラグランジアン粒子として扱うことにより、我々のアプローチは運動表現を一連の「超運動」に凝縮する。 私たちのソリューションは万能で軽量で、ニューラルネットワークの前処理の必要性を排除しています。
  論文  参考訳（メタデータ） (2024-09-03T01:38:06Z)
• DiffDance: Cascaded Human Motion Diffusion Model for Dance Generation [89.50310360658791]
  本稿では,高分解能長周期ダンス生成のための新しい動き拡散モデルDiffDanceを提案する。 本モデルは、音楽間拡散モデルとシーケンス超解像拡散モデルとから構成される。 DiffDanceは、入力された音楽と効果的に一致したリアルなダンスシーケンスを生成することができることを実証する。
  論文  参考訳（メタデータ） (2023-08-05T16:18:57Z)

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。