論文の概要: Contact Matrix: Enhancing Dance Motion Synthesis with Precise Interaction Modeling
- arxiv url: http://arxiv.org/abs/2605.04662v1
- Date: Wed, 06 May 2026 09:10:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-07 18:41:07.738883
- Title: Contact Matrix: Enhancing Dance Motion Synthesis with Precise Interaction Modeling
- Title（参考訳）: コンタクトマトリックス:精密相互作用モデリングによるダンスモーション合成の強化
- Abstract要約: 本稿では,高品質なデータが少ないデュエットダンス(デュエットダンス)の典型的なシナリオに焦点を当てる。
これらの課題に対処するための新しい2段階フレームワークを提案する。
第1段階では、別個のボディ部エンコーダとジョイントデコーダを備えたモーションVQ-VAEを導入する。
第2段階では,反応運動生成のための接触認識拡散モデルを提案する。
- 参考スコア（独自算出の注目度）: 43.632039701422464
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Generating realistic reactive motions, in which one person reacts to the fixed motions of others, is challenging due to strict interaction constraints and a limited feasible solution space. This paper focuses on a typical scenario: duet dance, where high-quality data is scarce, motion patterns are complex, and the details of human interactions are both intricate and abundant. To tackle these challenges, we propose a novel two-stage framework. In the first stage, we introduce a motion VQ-VAE with separate body-part encoders and a joint decoder, enabling specialized codebooks to enhance representation capacity while dynamically modeling dependencies across body parts during decoding, thereby preventing inconsistencies in the generated motions. In the second stage, we propose a contact-aware diffusion model for reactive motion generation that jointly generates motion and a contact matrix between individuals, enabling explicit interaction modeling and providing guidance toward more precise and constrained interaction dynamics during sampling. Experiments show that our method outperforms Duolando with lower $\text{FID}_k$ (8.89 vs. 25.30) and $\text{FID}_{cd}$ (8.01 vs. 9.97), as well as a higher BED (0.4606 vs. 0.2858), indicating improved interaction fidelity and rhythmic synchronization.
- Abstract（参考訳）: 一人が他人の固定された動きに反応する現実的な反応運動を生成することは、厳密な相互作用の制約と限定可能な解空間のために困難である。
本稿では,高品質なデータが不足し,動きのパターンが複雑であり,人間のインタラクションの詳細が複雑かつ豊富であるデュエットダンスという,典型的なシナリオに焦点を当てる。
これらの課題に対処するために、我々は新しい2段階のフレームワークを提案する。
第1段階では、別個のボディ部分エンコーダとジョイントデコーダを備えたモーションVQ-VAEを導入し、デコード中のボディ部分間の依存関係を動的にモデル化しながら、特殊コードブックによる表現能力の向上を可能にし、生成した動作の不整合を防止する。
第2段階では、個人間での動作と接触行列を協調的に生成し、明示的な相互作用モデリングを可能にし、サンプリング中のより正確で制約された相互作用ダイナミクスへのガイダンスを提供する、反応運動生成のための接触認識拡散モデルを提案する。
実験の結果,Duolandoよりも低い$\text{FID}_k$ (8.89 vs. 25.30) と$\text{FID}_{cd}$ (8.01 vs. 9.97) と高いBED (0.4606 vs. 0.2858) が得られ,相互作用の忠実性とリズムの同期性が向上した。
関連論文リスト
- MOCHI: Motion Enhancement of Collaborative Human-object Interactions [9.360852329235477]
協調的な人間と物体の相互作用は、参加者と共有対象との相互予測と継続的な調整を必要とする複雑な動きを示す。
ノイズの多いMHOIデータを改善するための2段階フレームワークであるMOCHIを提案する。
提案手法は,まず,雑音の多い身体入力から手の動きを最適化し,身体のポーズとセマンティックに整合した手の動きを生成する。
最適化の過程では,人・物・人・人のインタラクション情報を,これら1対1で符号化する最適化手法を導入する。
論文 参考訳（メタデータ） (2026-06-16T17:58:44Z) - Interact2Ar: Full-Body Human-Human Interaction Generation via Autoregressive Diffusion Models [80.28579390566298]
テキスト条件付き自己回帰拡散モデルであるInteract2Arを導入する。
ハンドキネマティクスは専用のパラレルブランチを通じて組み込まれ、高忠実度フルボディ生成を可能にする。
我々のモデルは、時間的動きの合成、外乱へのリアルタイム適応、ディヤディックからマルチパーソンシナリオへの拡張など、一連のダウンストリームアプリケーションを可能にする。
論文 参考訳（メタデータ） (2025-12-22T18:59:50Z) - SyncDiff: Synchronized Motion Diffusion for Multi-Body Human-Object Interaction Synthesis [22.14972920585117]
シンクロナイズドモーション拡散戦略を用いた多体インタラクション合成法SyncDiffを紹介する。
動きの忠実度を高めるため,周波数領域の動作分解手法を提案する。
また、異なる身体運動の同期を強調するための新しいアライメントスコアも導入する。
論文 参考訳（メタデータ） (2024-12-28T10:12:12Z) - InterDance:Reactive 3D Dance Generation with Realistic Duet Interactions [67.37790144477503]
動きの質、データスケール、さまざまなダンスジャンルを大幅に向上させる大規模なデュエットダンスデータセットであるInterDanceを提案する。
本稿では,対話のリアリズムを段階的に最適化するためのインタラクション改善指導戦略を備えた拡散型フレームワークを提案する。
論文 参考訳（メタデータ） (2024-12-22T11:53:51Z) - Two-in-One: Unified Multi-Person Interactive Motion Generation by Latent Diffusion Transformer [24.166147954731652]
多人数対話型モーション生成はコンピュータ・キャラクター・アニメーションにおける重要な領域であるが、未探索領域である。
現在の研究では、個々の動作に別々のモジュールブランチを使用することが多いため、インタラクション情報が失われる。
本稿では,複数の人物の動きとその相互作用を1つの潜在空間内でモデル化する,新しい統一的アプローチを提案する。
論文 参考訳（メタデータ） (2024-12-21T15:35:50Z) - Scaling Up Dynamic Human-Scene Interaction Modeling [58.032368564071895]
TRUMANSは、現在利用可能な最も包括的なモーションキャプチャーHSIデータセットである。
人体全体の動きや部分レベルの物体の動きを複雑に捉えます。
本研究では,任意の長さのHSI配列を効率的に生成する拡散型自己回帰モデルを提案する。
論文 参考訳（メタデータ） (2024-03-13T15:45:04Z) - ReMoS: 3D Motion-Conditioned Reaction Synthesis for Two-Person Interactions [66.87211993793807]
本稿では,2人のインタラクションシナリオにおいて,人の全身運動を合成する拡散モデルReMoSを提案する。
ペアダンス,忍術,キックボクシング,アクロバティックといった2人のシナリオでReMoSを実証する。
また,全身動作と指の動きを含む2人のインタラクションに対してReMoCapデータセットを寄贈した。
論文 参考訳（メタデータ） (2023-11-28T18:59:52Z) - InterControl: Zero-shot Human Interaction Generation by Controlling Every Joint [67.6297384588837]
関節間の所望距離を維持するために,新しい制御可能な運動生成手法であるInterControlを導入する。
そこで本研究では,既成の大規模言語モデルを用いて,ヒューマンインタラクションのための結合ペア間の距離を生成できることを実証した。
論文 参考訳（メタデータ） (2023-11-27T14:32:33Z)
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。