論文の概要: Beyond MoCap: Scaling Motion Tokenizers with Synthetic Human Motion for Generative Modeling

• arxiv url: http://arxiv.org/abs/2606.27547v1
• Date: Thu, 25 Jun 2026 20:50:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-29 18:24:25.313833
• Title: Beyond MoCap: Scaling Motion Tokenizers with Synthetic Human Motion for Generative Modeling
• Title（参考訳）: MoCapを超える: 生成モデルのための人工人体運動を用いた運動トケナイザのスケーリング
• Abstract要約: 本研究では,大規模合成人間の動きを利用して,動きの表現空間を拡大する枠組みを提案する。 狭義のデータ分布で訓練された従来のトークン化ツールとは異なり,本手法はトレーニング分布と離散コードブックの両方を共同でスケールする。 合成運動を用いた学習が学習運動語彙のカバレッジと構成性を大幅に向上させることを示す。
• 参考スコア（独自算出の注目度）: 32.83313595986613
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Human motion generation models are fundamentally constrained by the limited diversity of motion capture datasets, which predominantly contain common, repetitive actions and fail to cover the long tail of complex human movements, resulting in a restricted motion vocabulary in learned latent representations and poor generalization to rare, compositional, and highly dynamic motions. In this work, we propose a framework for expanding the motion representation space by leveraging large-scale synthetic human motion, introducing a data generation pipeline that produces diverse, physically plausible motion sequences beyond the distribution of existing datasets and integrating it with a redesigned VQ-VAE tokenizer that adapts to this expanded motion space. Unlike conventional tokenizers trained on narrow data distributions, our approach jointly scales both the training distribution and the discrete codebook, enabling the model to capture a significantly richer set of motion primitives. We demonstrate that training with synthetic motion substantially improves the coverage and compositionality of the learned motion vocabulary, leading to consistent gains across motion generation tasks such as text-to-motion and motion continuation, while remaining fully compatible with existing frameworks including MotionGPT. Our results suggest that the primary bottleneck lies in the limited support of the learned motion representation, rather than model architecture alone. Scaling synthetic motion in tandem with representation learning offers a principled path toward more expressive, controllable, and generalizable human motion synthesis.
• Abstract（参考訳）: 人間の動き生成モデルは、基本的には、一般的な反復的な動作を主に含んでいて、複雑な人間の動きの長い尾をカバーできないモーションキャプチャデータセットの限られた多様性によって制限され、結果として学習された潜在表現における制限された動き語彙と、まれで構成的で非常にダイナミックな動きへの低い一般化をもたらす。 本研究では,大規模な人工人体運動を活用し,既存のデータセットの分布を超えて,多様な物理的に妥当な動き系列を生成するデータ生成パイプラインを導入し,この拡張された動き空間に適応する再設計されたVQ-VAEトークンと統合することで,動き表現空間を拡大するためのフレームワークを提案する。 狭いデータ分布で訓練された従来のトークン化器とは異なり、我々のアプローチはトレーニング分布と離散コードブックの両方を共同でスケールし、モデルがよりリッチなモーションプリミティブをキャプチャすることを可能にする。 合成動作によるトレーニングは学習した動作語彙のカバレッジと構成性を大幅に向上させ,テキスト・トゥ・モーションやモーション・コンティニュエーションなどの動作生成タスクにおいて,MotionGPTを含む既存のフレームワークとの完全互換性を維持しながら,一貫した向上をもたらすことを示した。 この結果は,モデルアーキテクチャのみではなく,学習した動き表現の限られたサポートが主なボトルネックとなっていることを示唆している。 表現学習によるタンデムでの合成運動のスケーリングは、より表現力があり、制御性があり、一般化可能なヒトの運動合成への原則化された経路を提供する。

関連論文リスト

• MotionVerse: A Unified Multimodal Framework for Motion Comprehension, Generation and Editing [53.98607267063729]
  MotionVerseは、シングルパーソンとマルチパーソンの両方のシナリオで人間の動作を理解し、生成し、編集するフレームワークである。 我々は、連続的な動き列をマルチストリーム離散トークンに変換する残差量子化を伴う動きトークン化器を用いる。 また、残留トークンストリームの符号化を時間的に停滞させる textitDelay Parallel Modeling 戦略も導入する。
  論文  参考訳（メタデータ） (2025-09-28T04:20:56Z)
• Motion-R1: Chain-of-Thought Reasoning and Reinforcement Learning for Human Motion Generation [31.484189825477877]
  Motion-R1は、Chain-of-Thoughtメカニズムを統合したモーション言語モデリングフレームワークである。 複雑なテキスト命令を論理的に構造化されたアクションパスに明示的に分解することで、モーションR1はモーション生成のための高レベルなセマンティックガイダンスを提供する。 複数のベンチマークデータセットに対する実験では、Motion-R1は最先端の手法と比較して、競争力や優れたパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2025-06-12T05:21:43Z)
• GENMO: A GENeralist Model for Human MOtion [64.16188966024542]
  本稿では,1つのフレームワークで動作推定と生成を橋渡しする汎用人体運動モデル GENMO を提案する。 我々の重要な洞察は、出力運動が観測された条件信号を正確に満たさなければならないような制約された動き生成として運動推定を再構成することである。 我々の新しいアーキテクチャは、可変長動きと混合マルチモーダル条件(テキスト、オーディオ、ビデオ)を異なる時間間隔で処理し、柔軟な制御を提供する。
  論文  参考訳（メタデータ） (2025-05-02T17:59:55Z)
• Towards Synthesized and Editable Motion In-Betweening Through Part-Wise Phase Representation [29.62788252114547]
  スタイル付きモーションはコンピュータのアニメーションやゲームには不可欠だ。 身体部分レベルでの動作スタイルをモデル化する新しいフレームワークを提案する。 我々のアプローチはよりニュアンスで表現力のあるアニメーションを可能にする。
  論文  参考訳（メタデータ） (2025-03-11T08:44:27Z)
• FreeMotion: A Unified Framework for Number-free Text-to-Motion Synthesis [65.85686550683806]
  そこで本稿では, 条件付き動作分布を用いて, 単独動作と多人数動作を統一する動き生成手法を提案する。 筆者らの枠組みに基づいて,現在ある一対一動作空間制御手法をシームレスに統合し,多対一動作の正確な制御を実現する。
  論文  参考訳（メタデータ） (2024-05-24T17:57:57Z)
• 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)
• Executing your Commands via Motion Diffusion in Latent Space [51.64652463205012]
  本研究では,動作遅延に基づく拡散モデル(MLD)を提案し,条件付き入力に対応する鮮明な動き列を生成する。 我々のMDDは、広範囲な人体運動生成タスクにおいて、最先端の手法よりも大幅に改善されている。
  論文  参考訳（メタデータ） (2022-12-08T03:07:00Z)
• MoDi: Unconditional Motion Synthesis from Diverse Data [51.676055380546494]
  多様な動きを合成する無条件生成モデルであるMoDiを提案する。 我々のモデルは、多様な、構造化されていない、ラベルなしのモーションデータセットから完全に教師なしの設定で訓練されている。 データセットに構造が欠けているにもかかわらず、潜在空間は意味的にクラスタ化可能であることを示す。
  論文  参考訳（メタデータ） (2022-06-16T09:06:25Z)

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。