論文の概要: DanceDuo: Bridging Human Movement and AI Choreography
- arxiv url: http://arxiv.org/abs/2606.26507v1
- Date: Thu, 25 Jun 2026 01:26:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-26 18:46:32.137824
- Title: DanceDuo: Bridging Human Movement and AI Choreography
- Title（参考訳）: DanceDuo: ブリッジングヒューマンムーブメントとAIコレオグラフィ
- Abstract要約: 本稿では、拡散モデルを利用して、さまざまなジャンルに同期したAI振り付けダンスシーケンスを生成する新しいプラットフォーム、DanceDuoを紹介する。
このシステムでは、ユーザーは音楽トラック、ヒューマノイドモデルを選択し、比較のために個人ダンスビデオをインポートすることでAIと対話し、リッチで魅力的なユーザー体験を育むことができる。
- 参考スコア（独自算出の注目度）: 4.334626115383444
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: In recent years, advancements in deep learning and generative models have revolutionized music-driven dance generation. This paper introduces a novel platform, namely DanceDuo, leveraging diffusion models to generate AI-choreographed dance sequences synchronized with a variety of music genres, to encourage dancing practice. The system allows users to interact with AI by selecting music tracks, humanoid models, and importing personal dance videos for comparison, fostering a rich and engaging user experience. DanceDuo not only offers dance generation but also integrates human pose estimation models to provide users with insightful comparisons of their own performances with AI-generated sequences. We conducted a comprehensive user study, revealing that users found the interface intuitive, with particular praise for the dance comparison feature. Our DanceDuo contributes significantly to the integration of AI in dance choreography, offering novel avenues for both recreational and professional applications.
- Abstract（参考訳）: 近年、深層学習と生成モデルの発展は、音楽によるダンス生成に革命をもたらした。
本稿では、拡散モデルを利用して、さまざまなジャンルに同期したAI振り付けダンスシーケンスを生成し、ダンスの練習を促進する新しいプラットフォーム、DanceDuoを紹介する。
このシステムでは、ユーザーは音楽トラック、ヒューマノイドモデルを選択し、比較のために個人ダンスビデオをインポートすることでAIと対話し、リッチで魅力的なユーザー体験を育むことができる。
DanceDuoはダンス生成を提供するだけでなく、人間のポーズ推定モデルを統合して、AI生成シーケンスと自身のパフォーマンスに関する洞察に富んだ比較を提供する。
総合的なユーザスタディを行い、ユーザが直感的にインターフェースを見つけ、特にダンス比較機能を賞賛した。
DanceDuoはダンスコレオグラフィーにおけるAIの統合に大きく貢献し、レクリエーションとプロのアプリケーションに新しい道を提供する。
関連論文リスト
- Not Like Transformers: Drop the Beat Representation for Dance Generation with Mamba-Based Diffusion Model [8.542693293312935]
本研究では,マンバに基づく拡散モデルを利用した新しいダンス生成手法であるemphMambaDanceを提案する。
Mambaは、長大かつ自己回帰的なシーケンスを扱うのに適しているが、我々の2段階拡散アーキテクチャに統合され、既製のトランスフォーマーに代わる。
提案手法は,従来の手法と比較して,短いダンスから長いダンスまで連続的に重要な特徴を反映しながら,効果的に可塑性舞踊運動を生成する。
論文 参考訳（メタデータ） (2026-03-09T06:59:03Z) - PF-D2M: A Pose-free Diffusion Model for Universal Dance-to-Music Generation [6.621690152957197]
PF-D2Mは、ダンスビデオから抽出された視覚的特徴を取り入れた、普遍的な拡散に基づくダンス・ツー・ミュージック生成モデルである。
PF-D2Mは、ダンス音楽のアライメントと音楽の質において最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2026-01-22T11:21:54Z) - Reimagining Dance: Real-time Music Co-creation between Dancers and AI [5.708964539699851]
本研究では,ダンサーが動きによって動的に音楽環境を形成できるシステムを提案する。
我々のマルチモーダルアーキテクチャは、ダンスの動きに応じて、事前に録音された音楽クリップをインテリジェントに組み合わせることで、コヒーレントな音楽構成を生成する。
論文 参考訳（メタデータ） (2025-06-13T17:56:53Z) - Dyads: Artist-Centric, AI-Generated Dance Duets [6.67162793750123]
既存のAI生成ダンス手法は、主にソロダンスのパフォーマンスからモーションキャプチャーデータをトレーニングする。
この研究は、ダンサーのペア間の複雑な相互作用をモデル化するAI手法を提案することによって、フィールドの両方のニーズに対処する。
論文 参考訳（メタデータ） (2025-03-05T22:58:03Z) - Controllable Dance Generation with Style-Guided Motion Diffusion [49.35282418951445]
ダンスは人間の文化において芸術的な形式や表現として重要な役割を担っているが、ダンスの創造は依然として困難な課題である。
ほとんどのダンス生成法は音楽のみに依存しており、音楽スタイルやジャンルといった本質的な特質を考慮することは滅多にない。
本研究では,ダンス生成の多様なタスクに適した拡散型フレームワークであるDGSDP(Flexible Dance Generation with Style Description Prompts)を紹介する。
論文 参考訳（メタデータ） (2024-06-12T04:55:14Z) - Duolando: Follower GPT with Off-Policy Reinforcement Learning for Dance Accompaniment [87.20240797625648]
舞踊伴奏と呼ばれる3次元舞踊生成の分野における新しい課題を紹介する。
これは、リードダンサーの動きと、基礎となる音楽リズムと同期した「フォロワー」と呼ばれるダンスパートナーからの応答的な動きを生成する必要がある。
本稿では,GPTに基づくDuolandoモデルを提案する。このモデルでは,音楽の協調情報,リーダの動作,従者の動きに基づいて,後続のトークン化動作を自動回帰予測する。
論文 参考訳（メタデータ） (2024-03-27T17:57:02Z) - DiffDance: Cascaded Human Motion Diffusion Model for Dance Generation [89.50310360658791]
本稿では,高分解能長周期ダンス生成のための新しい動き拡散モデルDiffDanceを提案する。
本モデルは、音楽間拡散モデルとシーケンス超解像拡散モデルとから構成される。
DiffDanceは、入力された音楽と効果的に一致したリアルなダンスシーケンスを生成することができることを実証する。
論文 参考訳（メタデータ） (2023-08-05T16:18:57Z) - Bailando: 3D Dance Generation by Actor-Critic GPT with Choreographic
Memory [92.81383016482813]
そこで我々は3Dキャラクターを1曲の楽曲に追従して踊るための新しい音楽間距離フレームワークBailandoを提案する。
本稿では,音楽に忠実な流麗なダンスにユニットを構成するアクタ批判型生成事前学習変換器(GPT)を紹介する。
提案するフレームワークは,定性的かつ定量的に最先端の性能を実現する。
論文 参考訳（メタデータ） (2022-03-24T13:06:43Z) - Music-to-Dance Generation with Optimal Transport [48.92483627635586]
本稿では,音楽から3Dダンス振付を生成するためのMDOT-Net(Music-to-Dance with Optimal Transport Network)を提案する。
生成したダンス分布とグロモフ=ワッサーシュタイン距離の信頼度を評価するための最適な移動距離を導入し、ダンス分布と入力音楽の対応性を測定する。
論文 参考訳（メタデータ） (2021-12-03T09:37:26Z) - Learning to Generate Diverse Dance Motions with Transformer [67.43270523386185]
ダンス・モーション・シンセサイザーのための完全なシステムを提案する。
大規模なダンスモーションデータセットはYouTubeビデオから作成される。
新たな2ストリームモーショントランス生成モデルでは、高い柔軟性で動作シーケンスを生成することができる。
論文 参考訳（メタデータ） (2020-08-18T22:29:40Z) - Music2Dance: DanceNet for Music-driven Dance Generation [11.73506542921528]
本研究では,音楽のスタイル,リズム,メロディを制御信号とする自己回帰生成モデルDanceNetを提案する。
プロのダンサーによる複数の同期音楽ダンスペアをキャプチャし、高品質な音楽ダンスペアデータセットを構築する。
論文 参考訳（メタデータ） (2020-02-02T17:18:31Z)
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。