論文の概要: SAMoR: Motion Modelling for Articulated Objects of Any Skeleton and Topology

• arxiv url: http://arxiv.org/abs/2607.02148v1
• Date: Thu, 02 Jul 2026 13:24:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-03 19:45:08.843596
• Title: SAMoR: Motion Modelling for Articulated Objects of Any Skeleton and Topology
• Title（参考訳）: SAMoR:任意の骨格とトポロジーの人工物体の運動モデリング
• Abstract要約: 本稿では,各動作セグメントを小さな固定数として符号化するクロストポロジー運動表現であるSAMoRを紹介する。 グラフ変換器エンコーダは、関節運動特徴、運動グラフ構造、結合名埋め込みを消費し、それを部分レベルトークンに圧縮する。 部分クエリが冗長なグローバル表現に崩壊しないように、トポロジーに依存しない注意監視損失を導入する。
• 参考スコア（独自算出の注目度）: 46.893067487418314
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Modeling motion for articulated objects of arbitrary skeleton topology remains difficult: existing motion generators target a fixed human skeleton, and prior adaptations either fail to share a vocabulary across rigs or discard motion detail through global pooling. Our key observation is that while joint-level motion does not correspond cleanly across species, motion of functional joint groups does: a human arm, a wolf foreleg, and a bird wing share motion structure despite differing joint counts and connectivity, a correspondence that joint names (e.g., "forearm", "wing_L1") partially expose even when topology does not. We introduce SAMoR (Skeleton-Aware Motion Representation for Articulated Objects), a cross-topology motion representation that encodes each motion segment as a small fixed number ($K=8$) of part tokens shared across arbitrary skeletons. A graph-transformer encoder consumes per-joint motion features, kinematic graph structure, and joint-name embeddings, then compresses them into part-level tokens via cross-attention pooling and residual vector quantization, yielding a discrete motion codebook shared across rigs. To keep the part queries from collapsing into redundant global representations, we introduce a topology-agnostic attention supervision loss, with joint-name dropout to reduce over-reliance on text labels. We curate a heterogeneous corpus from HumanML3D, Truebones Zoo, and animated Objaverse-XL assets, and evaluate SAMoR on held-out characters with unseen skeletons. It supports accurate reconstruction and cross-topology transfer, and enables text-conditioned generation and part-wise editing via a MaskGIT token generator. SAMoR reaches $2.75 \times 10^{-2}$ normalized MPJPE on cross-topology reconstruction, $5.8\times$ below the strongest adapted variable-$J$ tokenizer baseline, while remaining competitive with fixed-skeleton specialists on HumanML3D.
• Abstract（参考訳）: 既存のモーションジェネレータは固定された人間の骨格をターゲットとし、以前の適応はリグにまたがって語彙を共有したり、グローバルプールを通して動きの詳細を破棄したりする。 我々のキーとなる観察は、関節レベルの運動は種間でクリーンに対応しないが、機能的な関節群の運動は、関節の数や接続性が異なるにもかかわらず、人間の腕、オオカミの前足、鳥の翼の運動構造を共有し、関節の名前(例えば「フォアアーム」や「wing_L1」など)がトポロジがなければ部分的に露出する。 任意の骨格間で共有される部分トークンの小さな固定数(K=8$)として各動作セグメントを符号化するクロストポロジー運動表現であるSAMoR(Skeleton-Aware Motion Representation for Articulated Objects)を紹介する。 グラフ変換器エンコーダは、関節の運動特徴、運動グラフ構造、結合名埋め込みを消費し、それらをクロスアテンションプーリングと残留ベクトル量子化によって部分レベルトークンに圧縮し、リグ間で共有される離散モーションコードブックを生成する。 部分クエリが冗長なグローバル表現に崩壊しないように、テキストラベルへの過度な依存を減らすために、共同名ドロップアウトを伴うトポロジ非依存の注意監視損失を導入する。 我々は、HumanML3D、Truebones Zoo、アニメーションObjaverse-XLアセットから異種コーパスをキュレートし、未知の骨格を持つ保留文字上でSAMoRを評価する。 正確な再構成とクロストポロジー転送をサポートし、テキスト条件付き生成とMaskGITトークンジェネレータによる部分編集を可能にする。 SAMoRは2.75 \times 10^{-2}$正規化MPJPEのクロストポロジー再構成で5.8\times$を最強の可変式J$トークンライザベースライン以下にしたが、HumanML3Dの固定スケルトンスペシャリストとの競争は継続している。

関連論文リスト

• UniMate: One Unified Model to Animate Diverse Skeletons [22.957889325110912]
  任意の骨格の関節運動を3Dアセットとテキストプロンプトから合成する基礎モデルUniMateを提案する。 UniMateは、骨格トポロジを注意に組み込むトポロジ対応拡散トランスフォーマーを導入している。 また,二足歩行,四足歩行,鳥類,海産,昆虫型,セルペンチン,関節状固形物を対象とし,UniML3D,13,006の運動配列を治療した。
  論文  参考訳（メタデータ） (2026-09-04T17:59:00Z)
• TopoCap: Learning Topology-Agnostic Motion Priors for Monocular Video-to-Animation [44.79819257609757]
  TopoCapはモノクロビデオから動きを抽出し、任意の骨格トポロジで文字に書き込むことができる最初の統合フレームワークである。 我々の重要な洞察は、骨格構造は離散的であるが、運動の基盤となる物理学は連続的で低次元の多様体を占有しているということである。 この洞察を、2段階の生成パイプラインを通じて実現します。
  論文  参考訳（メタデータ） (2026-06-10T14:41:19Z)
• NECromancer: Breathing Life into Skeletons via BVH Animation [25.254783224309477]
  運動トークン化(英: Motion tokenization)は、一般化可能な運動モデルの主要な構成要素である。 本稿では,任意のBVH骨格を直接操作するユニバーサルモーショントークンであるNEC(NEC)を提案する。 結果として生じるトークン空間は、クロススペックのモーショントランスファー、合成、ノイズ化、トークンベースのモデルによる生成、テキストモーション検索をサポートする。
  論文  参考訳（メタデータ） (2026-02-06T09:52:29Z)
• PALUM: Part-based Attention Learning for Unified Motion Retargeting [53.17113525688095]
  異なる骨格構造を持つキャラクター間の反発は、コンピュータアニメーションの基本的な課題である。 多様な骨格トポロジーにまたがる共通の動き表現を学習する新しいアプローチを提案する。 実験は、運動リアリズムと意味的忠実性を維持しながら、多様な骨格構造を扱う上で優れた性能を示す。
  論文  参考訳（メタデータ） (2026-01-12T07:29:44Z)
• SMF: Template-free and Rig-free Animation Transfer using Kinetic Codes [32.324844649352166]
  アニメーション再ターゲッティングはキャラクタメッシュにスパース動作記述を適用し、意味論的に妥当で時間的に整合したフルボディシーケンスを生成する。 本稿では,スパース動作表現のみを訓練した自己教師型運動場(SMF)を提案する。 我々のアーキテクチャは、エンドツーエンドで共同で訓練された専用空間勾配予測器と時間勾配予測器から構成される。
  論文  参考訳（メタデータ） (2025-04-07T08:42:52Z)
• AnyTop: Character Animation Diffusion with Any Topology [54.07731933876742]
  我々は,異なる動きダイナミクスを持つ多種多様な文字に対する動きを生成する拡散モデルであるAnyTopを紹介する。 我々の研究は、任意の骨格学習に適したトランスフォーマーベースの認知ネットワークを特徴としている。 我々の評価では、AnyTopsはトポロジー当たりのトレーニング例が3つも少なく、見えない骨格の運動も生成できる。
  論文  参考訳（メタデータ） (2025-02-24T17:00:36Z)
• MotioNet: 3D Human Motion Reconstruction from Monocular Video with Skeleton Consistency [72.82534577726334]
  モノクロビデオから3次元人間の骨格の動きを直接再構成するディープニューラルネットワークであるMotioNetを紹介した。 本手法は,動作表現を完全かつ一般的に使用するキネマティックスケルトンを直接出力する最初のデータ駆動型手法である。
  論文  参考訳（メタデータ） (2020-06-22T08:50:09Z)
• Skeleton-Aware Networks for Deep Motion Retargeting [83.65593033474384]
  骨格間のデータ駆動動作のための新しいディープラーニングフレームワークを提案する。 我々の手法は、トレーニングセットの運動間の明確なペアリングを必要とせずに、再ターゲティングの仕方を学ぶ。
  論文  参考訳（メタデータ） (2020-05-12T12:51:40Z)

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。