論文の概要: A Unified Conditional Flow for Motion Generation, Editing, and Intra-Structural Retargeting
- arxiv url: http://arxiv.org/abs/2604.13427v1
- Date: Wed, 15 Apr 2026 02:53:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-16 20:38:32.362818
- Title: A Unified Conditional Flow for Motion Generation, Editing, and Intra-Structural Retargeting
- Title（参考訳）: 運動生成・編集・構造内リターゲティングのための統一条件流
- Authors: Junlin Li, Xinhao Song, Siqi Wang, Haibin Huang, Yili Zhao,
- Abstract要約: 両タスクを単一の生成フレームワーク内で条件付き移動のインスタンスとしてキャストする統一的な視点を示す。
我々はこのビジョンを、整流運動モデルと目標骨格構造を併用して実装する。
SnapMoGenとマルチキャラクタのMixamoサブセットの実験は、単一のトレーニングされたモデルがテキスト・ツー・モーション生成、ゼロショット編集、ゼロショット・イン・ストラクチャをサポートすることを示している。
- 参考スコア（独自算出の注目度）: 26.68081874066983
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Text-driven motion editing and intra-structural retargeting, where source and target share topology but may differ in bone lengths, are traditionally handled by fragmented pipelines with incompatible inputs and representations: editing relies on specialized generative steering, while retargeting is deferred to geometric post-processing. We present a unifying perspective where both tasks are cast as instances of conditional transport within a single generative framework. By leveraging recent advances in flow matching, we demonstrate that editing and retargeting are fundamentally the same generative task, distinguished only by which conditioning signal, semantic or structural, is modulated during inference. We implement this vision via a rectified-flow motion model jointly conditioned on text prompts and target skeletal structures. Our architecture extends a DiT-style transformer with per-joint tokenization and explicit joint self-attention to strictly enforce kinematic dependencies, while a multi-condition classifier-free guidance strategy balances text adherence with skeletal conformity. Experiments on SnapMoGen and a multi-character Mixamo subset show that a single trained model supports text-to-motion generation, zero-shot editing, and zero-shot intra-structural retargeting. This unified approach simplifies deployment and improves structural consistency compared to task-specific baselines.
- Abstract（参考訳）: テキスト駆動のモーション編集と構造内再ターゲティングでは、ソースとターゲットのトポロジが異なるが、骨の長さが異なる場合があり、伝統的に断片化されたパイプラインによって非互換な入力と表現で扱われる:編集は特別な生成的ステアリングに依存し、再ターゲティングは幾何学的後処理に委ねられる。
両タスクを単一の生成フレームワーク内で条件付き移動のインスタンスとしてキャストする統一的な視点を示す。
フローマッチングの最近の進歩を活用して、編集と再ターゲティングが基本的に同じ生成タスクであることを実証する。
我々は、テキストプロンプトとターゲット骨格構造に共同で条件付けされた整流運動モデルを用いて、このビジョンを実装した。
本アーキテクチャは,DiTスタイルのトランスフォーマーを拡張して,手話間のトークン化と,手話の依存関係を厳格に強制するための明示的な関節自己アテンションを実現し,多条件分類器フリーガイダンス戦略は,テキストのアテンデンスと骨格の整合性とのバランスをとる。
SnapMoGenとマルチキャラクタMixamoサブセットの実験は、単一のトレーニングされたモデルがテキスト・ツー・モーション生成、ゼロショット編集、ゼロショット構造内リターゲットをサポートすることを示している。
この統一されたアプローチは、デプロイを単純化し、タスク固有のベースラインに比べて構造的な一貫性を改善します。
関連論文リスト
- ASTRA: Enhancing Multi-Subject Generation with Retrieval-Augmented Pose Guidance and Disentangled Position Embedding [1.4145309506833208]
ASTRAは、ポーズ構造から被写体を遠ざける新しいフレームワークである。
ASTRAはDreamBenchで高いアイデンティティとテキストアライメントを維持しながら、新しい最先端のポーズアテンデンスを実現している。
論文 参考訳（メタデータ） (2026-04-15T14:50:05Z) - CAMEO: A Conditional and Quality-Aware Multi-Agent Image Editing Orchestrator [8.901958956012072]
条件付き画像編集は、厳密な構造制御を必要とするシナリオにおいて不可欠である。
ほとんどのアプローチは単一ステップ生成に依存します。
我々は、条件付き編集を品質に配慮したフィードバック駆動プロセスとして再構成する構造化マルチエージェントフレームワーク、textbfCAMEOを提案する。
論文 参考訳（メタデータ） (2026-04-03T16:27:02Z) - Mamba Learns in Context: Structure-Aware Domain Generalization for Multi-Task Point Cloud Understanding [36.012422604739236]
本研究では,ドメインやタスク間の構造的階層を保存するための,マンバをベースとしたIn-Context LearningフレームワークであるStructure-Aware Domain Generalization (SADG)を提案する。
SADGは、変換不変配列を生成するために、セントロイドベースのトポロジーと測地線曲率連続性を使用する。
それは、再構築、装飾、登録を含む複数のタスクにわたる最先端の手法を一貫して上回る。
論文 参考訳（メタデータ） (2026-03-21T09:55:10Z) - CEI-3D: Collaborative Explicit-Implicit 3D Reconstruction for Realistic and Fine-Grained Object Editing [51.73433734209541]
既存の3D編集手法は、再構成ネットワークの深い統合性のために、非現実的で未精細な結果をもたらすことが多い。
本稿では,現実的できめ細かな編集を容易にするための,編集指向の再構築パイプラインであるCEI-3Dを紹介する。
提案手法は,最新技術(SOTA)手法よりも,よりリアルできめ細かな編集結果を実現すると同時に,編集時間を短縮する。
論文 参考訳（メタデータ） (2026-03-12T11:15:11Z) - Communication-Inspired Tokenization for Structured Image Representations [74.17163003465537]
COMiT(Communication inspired Tokenization)は、構造化された視覚トークンシーケンスを学習するためのフレームワークである。
セマンティックアライメントが基盤となる一方で、解釈可能なオブジェクト中心のトークン構造を誘導するためには、注意的なシーケンシャルトークン化が重要であることを示す。
論文 参考訳（メタデータ） (2026-02-24T09:53:50Z) - StructAlign: Structured Cross-Modal Alignment for Continual Text-to-Video Retrieval [75.28673512571449]
Continual Text-to-Video Retrievalの重要な課題はフィーチャードリフトだ。
我々はCTVRのための構造化クロスモーダルアライメント手法であるStructAlignを提案する。
我々の手法は、常に最先端の連続検索手法より優れています。
論文 参考訳（メタデータ） (2026-01-28T13:34:44Z) - CoT Referring: Improving Referring Expression Tasks with Grounded Reasoning [67.18702329644526]
CoT Referringは、構造化されたチェーン・オブ・シークレット・トレーニングデータ構造を通じて、モデル推論をモダリティにわたって強化する。
トレーニングデータを再構築して、新たな出力フォームを実行し、既存のデータセットに新たなアノテーションを提供します。
また、検出とセグメント化機能を統合MLLMフレームワークに統合し、新しい適応重み付き損失で学習して性能を最適化する。
論文 参考訳（メタデータ） (2025-10-03T08:50:21Z) - Dynamic Perturbed Adaptive Method for Infinite Task-Conflicting Time Series [0.0]
時系列タスクを、異なる目的の入力出力マッピングとして定式化し、同じ入力が異なる出力を生成する。
そこで本研究では,頻繁なタスクシフトの下で適応性を評価するために,多数の相反するサブタスクを持つ合成データセットを構築した。
本研究では,トランク・ブランチアーキテクチャに基づく動的摂動適応手法を提案する。
論文 参考訳（メタデータ） (2025-05-17T08:33:57Z) - Implementing Long Text Style Transfer with LLMs through Dual-Layered Sentence and Paragraph Structure Extraction and Mapping [6.445040420833822]
文レベルのスタイリスティック適応と段落レベルの構造的コヒーレンスを組み合わせた階層的枠組みを提案する。
提案するフレームワークであるZeroStylusは,参照テキストからの階層的テンプレート取得とマルチグラニュラマッチングによるテンプレート誘導生成という,2つの体系的なフェーズで運用する。
論文 参考訳（メタデータ） (2025-05-11T05:53:33Z) - DepGraph: Towards Any Structural Pruning [68.40343338847664]
我々は、CNN、RNN、GNN、Transformersのような任意のアーキテクチャの一般的な構造解析について研究する。
本稿では,階層間の依存関係を明示的にモデル化し,包括的にグループ化してプルーニングを行う汎用かつ完全自動な手法であるemphDependency Graph(DepGraph)を提案する。
本研究では,画像用ResNe(X)t,DenseNet,MobileNet,Vision Transformer,グラフ用GAT,3Dポイントクラウド用DGCNN,言語用LSTMなど,さまざまなアーキテクチャやタスクに関する手法を広範囲に評価し,言語用LSTMと並行して示す。
論文 参考訳（メタデータ） (2023-01-30T14:02:33Z)
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。