論文の概要: From Diffusion To Flow: Efficient Motion Generation In MotionGPT3

• arxiv url: http://arxiv.org/abs/2603.26747v1
• Date: Mon, 23 Mar 2026 09:44:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-31 23:18:44.567151
• Title: From Diffusion To Flow: Efficient Motion Generation In MotionGPT3
• Title（参考訳）: 拡散から流れへ:MotionGPT3の効率的な運動生成
• Authors: Jaymin Ban, JiHong Jeon, SangYeop Jeong,
• Abstract要約: MotionGPT3は、学習された連続的な潜伏空間と、テキスト条件合成のための拡散に基づく先行空間を結合する。 我々は、MotionGPT3フレームワーク内の拡散と修正フローの目的を比較した。 実験により、整流流はより少ない訓練エポックに収束し、より早く強い試験性能に達し、拡散に基づく運動品質に適合または超えることを示した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent text-driven motion generation methods span both discrete token-based approaches and continuous-latent formulations. MotionGPT3 exemplifies the latter paradigm, combining a learned continuous motion latent space with a diffusion-based prior for text-conditioned synthesis. While rectified flow objectives have recently demonstrated favorable convergence and inference-time properties relative to diffusion in image and audio generation, it remains unclear whether these advantages transfer cleanly to the motion generation setting. In this work, we conduct a controlled empirical study comparing diffusion and rectified flow objectives within the MotionGPT3 framework. By holding the model architecture, training protocol, and evaluation setup fixed, we isolate the effect of the generative objective on training dynamics, final performance, and inference efficiency. Experiments on the HumanML3D dataset show that rectified flow converges in fewer training epochs, reaches strong test performance earlier, and matches or exceeds diffusion-based motion quality under identical conditions. Moreover, flow-based priors exhibit stable behavior across a wide range of inference step counts and achieve competitive quality with fewer sampling steps, yielding improved efficiency--quality trade-offs. Overall, our results suggest that several known benefits of rectified flow objectives do extend to continuous-latent text-to-motion generation, highlighting the importance of the training objective choice in motion priors.
• Abstract（参考訳）: 最近のテキスト駆動モーション生成法は、離散トークンベースのアプローチと連続ラテント定式化の両方にまたがる。 MotionGPT3は後者のパラダイムを例示し、学習された連続運動潜在空間と、テキスト条件合成のための拡散ベースの先行空間を組み合わせる。 補正流れの目的は画像生成と音声生成の拡散に対して良好な収束と推測時間特性を示したが、これらの利点が運動生成設定にきれいに移行するかどうかは不明である。 本研究では,MotionGPT3フレームワーク内の拡散と流路の修正を比較検討した。 モデルアーキテクチャ、トレーニングプロトコル、評価設定を固定することにより、生成目標がトレーニングダイナミクス、最終的なパフォーマンス、推論効率に与える影響を分離する。 HumanML3Dデータセットの実験では、修正された流れはトレーニングのエポックを減らし、より早く強いテスト性能に達し、同じ条件下で拡散ベースの運動品質に一致または超えることを示した。 さらに、フローベースの先行は、幅広い推論ステップ数にわたって安定した振る舞いを示し、サンプリングステップを減らして競争品質を達成し、効率-品質トレードオフの改善をもたらす。 以上の結果から,修正フロー目標の既知の利点は連続したテキスト・トゥ・モーション生成にまで拡張され,運動前における学習対象選択の重要性が示唆された。

関連論文リスト

• Beyond Confidence: Adaptive and Coherent Decoding for Diffusion Language Models [64.92045568376705]
  コヒーレントコンテキストデコーディング(Coherent Contextual Decoding, CCD)は、2つのコアイノベーションに基づいて構築された新しい推論フレームワークである。 CCDは、歴史的文脈を活用してシーケンスコヒーレンスを高める軌道修正機構を採用している。 拡散ステップに基づく厳密なアロケーションの代わりに,各ステップのアンマスク予算を動的に調整する適応型サンプリング戦略を導入する。
  論文  参考訳（メタデータ） (2025-11-26T09:49:48Z)
• MotionGPT3: Human Motion as a Second Modality [28.616340011811843]
  MotionGPT3は、理解と生成の両方のためのバイモーダルモーション言語モデルである。 共通注意を持つデュアルストリームトランスは、制御された双方向情報フローを実現しつつ、モダリティ固有の経路を保存する。 実験により、MotionGPT3はトレーニング損失の2倍高速収束、検証の最大4倍高速収束を実現している。
  論文  参考訳（メタデータ） (2025-06-30T17:42:22Z)
• FlowMo: Variance-Based Flow Guidance for Coherent Motion in Video Generation [51.110607281391154]
  FlowMoは、テキスト・ビデオ・モデルにおける動きコヒーレンスを高めるためのトレーニング不要のガイダンス手法である。 時間次元のパッチワイドな分散を測定して動きのコヒーレンスを推定し、サンプリング中にこの分散を動的に減少させるためにモデルを導く。
  論文  参考訳（メタデータ） (2025-06-01T19:55:33Z)
• FlowMotion: Target-Predictive Conditional Flow Matching for Jitter-Reduced Text-Driven Human Motion Generation [0.6554326244334868]
  FlowMotionは、人間の3Dモーション生成における目標運動をより正確に予測することに焦点を当てたトレーニング目標を組み込んでいる。 FlowMotionは最先端のジッタパフォーマンスを実現し、KITデータセットで最高のジッタ、HumanML3Dデータセットで2番目に高いジッタを実現している。
  論文  参考訳（メタデータ） (2025-04-02T03:55:21Z)
• Text-to-Image Rectified Flow as Plug-and-Play Priors [52.586838532560755]
  整流流は、ソースからターゲット分布への線形進行を強制する新しい生成モデルのクラスである。 補正フローアプローチが生成品質と効率を上回り,推論ステップを少なくすることを示した。 また,画像のインバージョンや編集における競合性能も示す。
  論文  参考訳（メタデータ） (2024-06-05T14:02:31Z)
• Efficient Text-driven Motion Generation via Latent Consistency Training [21.348658259929053]
  非線形逆拡散軌道を解くための動き潜時整合トレーニングフレームワーク(MLCT)を提案する。 これらの拡張を組み合わせることで、非画素モダリティおよび潜在表現空間における安定かつ一貫性のあるトレーニングを実現する。
  論文  参考訳（メタデータ） (2024-05-05T02:11:57Z)

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。