論文の概要: Self-Intersection-Aware 3D Human Motion Generation Using an Efficient Human Sphere Proxy

• arxiv url: http://arxiv.org/abs/2605.26744v1
• Date: Tue, 26 May 2026 09:17:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-27 17:51:41.785585
• Title: Self-Intersection-Aware 3D Human Motion Generation Using an Efficient Human Sphere Proxy
• Title（参考訳）: 効率的な人球プロキシを用いた自己対話型3次元人体運動生成
• Authors: Pascal Herrmann, Maarten Bieshaar, Dennis Mack, Robert Herzog, Juergen Gall,
• Abstract要約: 我々は,人体動作生成法の訓練に,自己切断を明示的に罰する新規な損失を導入する。 実験の結果,生成した動きの自己断面積が最大49%減少し,他の評価指標も改善した。
• 参考スコア（独自算出の注目度）: 20.425296826170957
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Human motion generation has made tremendous progress in recent years, with state-of-the-art approaches surpassing ground truth data in leading evaluation benchmarks. However, visual inspection of the generated motions paints a different picture. Even state-of-the-art approaches generate motions frequently containing self-intersections, i.e., body parts interpenetrating, which are strong artifacts, severely limiting the perceived motion quality. We introduce a novel loss, which explicitly penalizes self-intersections, to the training of human motion generation methods. We base our loss on a sphere proxy of human geometry, which allows us to calculate a self-intersection loss 98% faster and uses 83% less memory than comparable methods based on triangular meshes. The loss is agnostic to the specific approach, and we add it to the training of the recent human motion generation methods human motion diffusion model (MDM) and MoMask. Our extensive experiments show a reduction of self-intersections in generated motions of up to 49% while improving other evaluation metrics. The code is available at https://github.com/boschresearch/humansphereproxy .
• Abstract（参考訳）: 近年、ヒトの運動生成は大きな進歩を遂げており、最先端のアプローチが評価ベンチマークをリードする上で、地上の真実データを上回っている。 しかし、生成した動きの視覚的検査は異なる絵を描く。 最先端のアプローチでさえ、しばしば自己切断を含む動き、すなわち、強い人工物である身体部分の相互接続を頻繁に生成し、知覚される運動品質を著しく制限する。 我々は,人体動作生成法の訓練に,自己切断を明示的に罰する新規な損失を導入する。 これにより、自己切断損失を98%高速に計算でき、三角メッシュに基づく手法よりも83%少ないメモリを使用することができます。 この損失は特定のアプローチとは無関係であり、最近のヒトの運動生成法であるヒトの運動拡散モデル(MDM)とMoMaskのトレーニングに追加する。 広範囲な実験により、生成した動きの自己断面積を最大49%削減し、他の評価指標を改善した。 コードはhttps://github.com/boschresearch/ Humansphereproxyで公開されている。

関連論文リスト

• Towards Motion Turing Test: Evaluating Human-Likeness in Humanoid Robots [54.54929302887405]
  15のアクションカテゴリにまたがる1000のモーションシーケンスからなるHuman-Humanoid Motionデータセットを提案する。 すべてのモーションシーケンスは、視覚的外観の影響を排除するためにSMPL-X表現に変換される。 収集したデータから、ヒューマノイドの動きが人間の動きと顕著なずれを示すことが明らかとなった。
  論文  参考訳（メタデータ） (2026-03-06T11:40:56Z)
• Reconstructing Close Human Interaction with Appearance and Proxemics Reasoning [50.76723760768117]
  既存の人間のポーズ推定手法では、既存の映像からもっともらしい密接な相互作用を回復できない。 人間の外見は、これらの障害に対処するための簡単な手がかりとなる。 本研究では,人間の外見,社会的プロキシ,物理法則に制約された身体接触により,正確な対話動作を再構築するための2分岐最適化フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-07-03T12:19:26Z)
• MoManifold: Learning to Measure 3D Human Motion via Decoupled Joint Acceleration Manifolds [20.83684434910106]
  我々は、連続した高次元運動空間における可塑性人間の動きをモデル化した、新しい人間の動きであるMoManifoldを提案する。 具体的には、既存の限られた動きデータから人間の力学をモデル化する新しい結合加速法を提案する。 大規模な実験により、MoManifoldはいくつかの下流タスクにおいて既存のSOTAよりも優れていることが示された。
  論文  参考訳（メタデータ） (2024-09-01T15:00:16Z)
• Aligning Human Motion Generation with Human Perceptions [51.831338643012444]
  本研究では,大規模人間の知覚評価データセットであるMotionPerceptと,人間の動作批判モデルであるMotionCriticを導入することにより,ギャップを埋めるデータ駆動型アプローチを提案する。 我々の批評家モデルは、運動品質を評価するためのより正確な指標を提供しており、容易に運動生成パイプラインに統合することができる。
  論文  参考訳（メタデータ） (2024-07-02T14:01:59Z)
• DiffMesh: A Motion-aware Diffusion Framework for Human Mesh Recovery from Videos [20.895221536570627]
  ヒューマンメッシュリカバリ(Human Mesh recovery, HMR)は、さまざまな現実世界のアプリケーションに対して、リッチな人体情報を提供する。 ビデオベースのアプローチはこの問題を緩和するために時間的情報を活用する。 DiffMeshはビデオベースのHMRのための革新的な動き認識型拡散型フレームワークである。
  論文  参考訳（メタデータ） (2023-03-23T16:15:18Z)
• Occluded Human Body Capture with Self-Supervised Spatial-Temporal Motion Prior [7.157324258813676]
  私たちは、トレーニングとテストの両方に使用できる最初の3Dクローズドモーションデータセット(OcMotion)を構築します。 次に、空間時間層は、関節レベルの相関を学習するために設計される。 実験結果から,提案手法は,映像から高精度で一貫性のある人間の動きを生成できることが示唆された。
  論文  参考訳（メタデータ） (2022-07-12T08:15:11Z)
• Contact-Aware Retargeting of Skinned Motion [49.71236739408685]
  本稿では,自己接触を保存し,相互接続を防止する動作推定手法を提案する。 入力運動における自己接触と接地を同定し、出力骨格に適用するための動作を最適化する。 実験では,従来の手法を定量的に上回り,近年の成果よりも高い品質で再ターゲットされた動きを評価できるユーザスタディを実施している。
  論文  参考訳（メタデータ） (2021-09-15T17:05:02Z)
• A review of 3D human pose estimation algorithms for markerless motion capture [0.0]
  我々は過去5年間の主要な人間のポーズ推定手法を概観し、メトリクス、ベンチマーク、メソッド構造に注目した。 本稿では,方法の分類や今後の研究の方向性の導出に使用する精度,速度,堅牢性に基づく分類法を提案する。
  論文  参考訳（メタデータ） (2020-10-13T15:07:01Z)

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。