論文の概要: PoseShield: Neural Collision Fields for Human Self-Collision Resolution

• arxiv url: http://arxiv.org/abs/2606.29686v2
• Date: Wed, 01 Jul 2026 04:17:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-02 15:15:53.063786
• Title: PoseShield: Neural Collision Fields for Human Self-Collision Resolution
• Title（参考訳）: PoseShield:人間の自己衝突分解能のための神経衝突場
• Authors: Zhengyuan Li, Zeyun Deng, Yifan Shen, Liangyan Gui, Miaolan Xie, Joseph Campbell, Xifeng Gao, Kui Wu, Zherong Pan, Aniket Bera,
• Abstract要約: SMPLをベースとした人間のポーズ推定とモーション生成において、自己照合は引き続き永続的な課題である。 SMPLポーズ空間で直接定義されたニューラル衝突制約であるPoseShieldを提案する。 本手法は95.8%の成功率を実現し,最先端のベースラインを上回っている。
• 参考スコア（独自算出の注目度）: 44.26354057690119
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Self-collision remains a persistent challenge in SMPL-based human pose estimation and motion generation. Under extreme articulations or stochastic motion synthesis, generated meshes frequently exhibit self-penetrations, leading to physically implausible results. We propose PoseShield, a neural collision constraint defined directly in SMPL pose space. We formulate collision correction as a constrained optimization problem and connect the learned constraint with the Eikonal equation. Enforcing Eikonal regularization ensures non-vanishing gradients near the collision boundary, improving numerical stability and robustness of the optimization process. Unlike prior methods that operate in the mesh space or rely on heuristic penalties, our approach operates directly in the low-dimensional space of human poses and is theoretically grounded. The same learned constraint extends to human motion sequences, providing a generator-agnostic post-hoc collision corrector without retraining the underlying motion model. Experiments on a newly constructed SMPL pose benchmark show that our method achieves a 95.8% success rate and outperforms state-of-the-art baselines.
• Abstract（参考訳）: SMPLをベースとした人間のポーズ推定とモーション生成において、自己照合は引き続き永続的な課題である。 極端な調音や確率運動合成の下では、生成されたメッシュは、しばしば自己通電を示し、物理的に到達不可能な結果をもたらす。 SMPLポーズ空間で直接定義されたニューラル衝突制約であるPoseShieldを提案する。 我々は、衝突補正を制約付き最適化問題として定式化し、学習した制約をアイコン方程式と接続する。 アイコン正規化の実施により、衝突境界付近の非消滅勾配が保証され、数値安定性と最適化プロセスの堅牢性が改善される。 メッシュ空間で動作したり、ヒューリスティックなペナルティに依存する従来の方法とは異なり、我々の手法は人間のポーズの低次元空間で直接動作し、理論的には接地されている。 同じ学習された制約は人間のモーションシーケンスにまで拡張され、基礎となるモーションモデルを再トレーニングすることなく、ジェネレータ非依存のポストホック衝突補正を提供する。 新たに構築されたSMPLポーズベンチマーク実験により,本手法は95.8%の成功率を実現し,最先端のベースラインを上回る性能を示した。

関連論文リスト

• Real-Time and Accurate Collision-Free Teleoperation via Differentiable Constraint-Based Trajectory Planning [1.4699455652461726]
  この問題を緩和するための一般的な戦略は、最適制御に基づく軌道計画を用いて演算子の入力を強化することである。 我々は、凸最適化における双対性に基づいて、最近の微分可能な衝突回避制約の定式化を遠隔操作設定に適用する。 その結果,提案手法はより高精度な障害物モデリングを実現するとともに,計算時間を短縮できることがわかった。
  論文  参考訳（メタデータ） (2026-06-07T16:39:56Z)
• Deformable Gaussian Occupancy: Decoupling Rigid and Nonrigid Motion with Factorized Distillation [81.44955493339835]
  DeGOは変形可能なガウスの占有機構であり、分解したガウスの変形と分解された4次元基礎モデル蒸留を統一する。 Occ3D-NuScenesベンチマーク実験により,本手法が弱い監督下での最先端性能を実現することを示す。
  論文  参考訳（メタデータ） (2026-05-27T15:09:55Z)
• Rollback-Free Stable Brick Structures Generation [51.856925926010184]
  既存のアプローチでは、リジェクションサンプリングとブロック・バイ・ブロックのロールバックを行うために、推論中に外部物理シミュレータに依存している。 本稿では,身体的妥当性をテスト時間補正からトレーニング時間ポリシー最適化にシフトさせる強化学習パラダイムを提案する。 実験結果から,提案手法は予測速度を桁違いに向上させつつ,最先端の生成品質を実現することを示す。
  論文  参考訳（メタデータ） (2026-05-07T21:06:44Z)
• Stability-Driven Motion Generation for Object-Guided Human-Human Co-Manipulation [16.622175523077917]
  コマニピュレーションでは、複数の人間が動きを共有オブジェクトと同期させる必要がある。 既存のモーションジェネレーションアプローチのほとんどは、ペイロードによって引き起こされるダイナミクスを考慮していない。 本稿では,生成したコマニピュレーション動作が意図した目標と一致することを保証するフローマッチングフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-22T08:31:40Z)
• MIRROR: Visual Motion Imitation via Real-time Retargeting and Teleoperation with Parallel Differential Inverse Kinematics [20.41490560492412]
  リアルタイムヒューマノイド遠隔操作には応答性逆運動学(IK)が必要である。 本稿では,GPU並列化された連続型差動IKを提案する。 本手法は,人体ロボットTheMIS上で,実世界のタスクにおいて,堅牢でリアルタイムな上半身遠隔操作を可能にする視覚骨格ポーズ推定パイプラインと組み合わせる。
  論文  参考訳（メタデータ） (2026-03-25T06:49:58Z)
• HSImul3R: Physics-in-the-Loop Reconstruction of Simulation-Ready Human-Scene Interactions [69.43316445143408]
  HSImul3Rはヒトとシーンの相互作用をシミュレーション可能な3次元再構成のための統合フレームワークである。 既存の手法は知覚とシミュレーションのギャップに悩まされており、物理エンジンの不安定性と、具体化されたAIアプリケーションの失敗につながっている。
  論文  参考訳（メタデータ） (2026-03-16T17:58:33Z)
• Warm-Starting Collision-Free Model Predictive Control With Object-Centric Diffusion [38.363402738466334]
  拡散型ウォームスタート条件と潜時オブジェクト中心のシーン表現を組み合わせることで、厳密な時間制限下での信頼性と効率的な動き生成が得られることを示す。 提案手法では,オブジェクト中心のスロットアテンション機構を用いて,システム状態,タスク,周囲に拡散トランスフォーマを設定できる。 サンプル軌道は、剛体力学と符号-距離衝突制約を強制する最適制御問題によって洗練される。
  論文  参考訳（メタデータ） (2026-01-06T10:02:54Z)
• ReMoSPLAT: Reactive Mobile Manipulation Control on a Gaussian Splat [3.983697124458495]
  反応性制御は、移動マニピュレータのベースとアームの動きを優雅に調整することができる。 本稿では,モバイル操作のための2次プログラム定式化に基づくレスポンシブコントローラReMoSPLATを提案する。
  論文  参考訳（メタデータ） (2025-12-10T13:52:08Z)
• Towards Continual Learning Desiderata via HSIC-Bottleneck Orthogonalization and Equiangular Embedding [55.107555305760954]
  本稿では,レイヤワイドパラメータのオーバーライトや決定境界の歪みに起因する,概念的にシンプルで効果的な手法を提案する。 提案手法は,ゼロの指数バッファと1.02倍の差が絶対的に優れていても,競争精度が向上する。
  論文  参考訳（メタデータ） (2024-01-17T09:01:29Z)
• MotionHint: Self-Supervised Monocular Visual Odometry with Motion Constraints [70.76761166614511]
  モノクローナルビジュアル・オドメトリー(VO)のための新しい自己教師型アルゴリズムMotionHintを提案する。 我々のMotionHintアルゴリズムは、既存のオープンソースSSM-VOシステムに容易に適用できる。
  論文  参考訳（メタデータ） (2021-09-14T15:35:08Z)

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。