論文の概要: Diffusion Path Alignment for Long-Range Motion Generation and Domain Transitions
- arxiv url: http://arxiv.org/abs/2604.03310v1
- Date: Tue, 31 Mar 2026 11:35:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-07 15:49:18.497019
- Title: Diffusion Path Alignment for Long-Range Motion Generation and Domain Transitions
- Title（参考訳）: 長距離運動生成と領域遷移のための拡散経路アライメント
- Authors: Haichao Wang, Alexander Okupnik, Yuxing Han, Gene Wen, Johannes Schneider, Kyriakos Flouris,
- Abstract要約: 明示的な遷移モデルを用いた長距離人体運動生成のためのフレームワークを提供する。
これは、明示的な遷移モデルを用いた長距離人体運動生成のための一般的なフレームワークを提供するための最初の研究である。
- 参考スコア（独自算出の注目度）: 41.61151742499674
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Long-range human movement generation remains a central challenge in computer vision and graphics. Generating coherent transitions across semantically distinct motion domains remains largely unexplored. This capability is particularly important for applications such as dance choreography, where movements must fluidly transition across diverse stylistic and semantic motifs. We propose a simple and effective inference-time optimization framework inspired by diffusion-based stochastic optimal control. Specifically, a control-energy objective that explicitly regularizes the transition trajectories of a pretrained diffusion model. We show that optimizing this objective at inference time yields transitions with fidelity and temporal coherence. This is the first work to provide a general framework for controlled long-range human motion generation with explicit transition modeling.
- Abstract（参考訳）: 長距離の人間の運動生成は、コンピュータビジョンとグラフィックにおいて依然として中心的な課題である。
意味的に異なる運動領域にまたがるコヒーレントな遷移を生成することは、ほとんど探索されていない。
この機能はダンス・コレオグラフィー(英語版)のような様々なスタイルや意味のモチーフを流れる動きを流動的に遷移させるアプリケーションにおいて特に重要である。
本稿では,拡散に基づく確率的最適制御にインスパイアされた,シンプルで効果的な推論時間最適化フレームワークを提案する。
具体的には、事前訓練された拡散モデルの遷移軌跡を明示的に規則化する制御エネルギーの目的について述べる。
推定時間でこの目的を最適化すると、忠実度と時間的コヒーレンスで遷移することを示す。
これは、明示的な遷移モデルを用いた長距離人体運動生成のための一般的なフレームワークを提供するための最初の研究である。
関連論文リスト
- Characterizing Motion Encoding in Video Diffusion Timesteps [50.13907856401258]
本研究では,映像拡散時間ステップにおける動きのエンコードについて,外観編集と動作保存のトレードオフによって検討する。
動作優位の早期体制と,その後に出現優位の体制を同定し,時間空間における動作優位の境界を導出する。
論文 参考訳（メタデータ） (2025-12-18T21:20:54Z) - 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) - DiffusionPhase: Motion Diffusion in Frequency Domain [69.811762407278]
そこで本研究では,テキスト記述から高品質な人間の動作系列を生成する学習手法を提案する。
既存の技術は、任意の長さの動き列を生成する際に、動きの多様性と滑らかな遷移に苦しむ。
動作空間をコンパクトで表現力のあるパラメータ化位相空間に変換するネットワークエンコーダを開発する。
論文 参考訳（メタデータ） (2023-12-07T04:39:22Z) - Priority-Centric Human Motion Generation in Discrete Latent Space [59.401128190423535]
テキスト・ツー・モーション生成のための優先中心運動離散拡散モデル(M2DM)を提案する。
M2DMは、コード崩壊に対処するために、グローバルな自己注意機構と正規化用語を組み込んでいる。
また、各動きトークンの重要度から決定される革新的なノイズスケジュールを用いた動き離散拡散モデルを提案する。
論文 参考訳（メタデータ） (2023-08-28T10:40:16Z) - Motion In-Betweening with Phase Manifolds [29.673541655825332]
本稿では,周期的オートエンコーダによって学習された位相変数を利用して,文字のターゲットポーズに到達するための,新たなデータ駆動型動作制御システムを提案する。
提案手法では,経験的ニューラルネットワークモデルを用いて,空間と時間の両方のクラスタの動きを,異なる専門家の重みで解析する。
論文 参考訳（メタデータ） (2023-08-24T12:56:39Z) - CoMusion: Towards Consistent Stochastic Human Motion Prediction via Motion Diffusion [6.862357145175449]
本稿では,単一段階の終端拡散型HMPフレームワークであるCoMusionを提案する。
CoMusionは、スムーズな将来のポーズ予測性能が空間予測性能を改善するという洞察から着想を得ている。
提案手法はTransformer-GCNモジュール設計と分散スケジューラによって促進され,精度,現実性,一貫した動作を予測する。
論文 参考訳（メタデータ） (2023-05-21T19:31:56Z) - Real-time Controllable Motion Transition for Characters [14.88407656218885]
リアルタイムの動作生成はゲームでは普遍的に必要であり、既存のアニメーションパイプラインでは非常に望ましい。
我々のアプローチは、運動多様体と条件遷移という2つの重要な構成要素から構成される。
提案手法は,複数の測定基準の下で測定された高品質な動きを生成できることを示す。
論文 参考訳（メタデータ） (2022-05-05T10:02:54Z)
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。