論文の概要: Retrieving and Refining Winning Noise Tickets for Diffusion-Based Motion Generation
- arxiv url: http://arxiv.org/abs/2607.06843v1
- Date: Tue, 07 Jul 2026 22:32:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-09 22:50:30.234373
- Title: Retrieving and Refining Winning Noise Tickets for Diffusion-Based Motion Generation
- Title（参考訳）: 拡散型モーションジェネレーションのためのウィンニングティケットの回収と精製
- Abstract要約: 拡散に基づくテキスト・トゥ・モーション・モデルは現実的な人間の動きを合成するが、しばしば入力されたテキストから意味的なドリフトを示す。
WINROは,拡散サンプリング前のチケットを選択・精算することでテキスト移動アライメントを改善するフレームワークである。
WINROは、HumanML3D上で異なるベースモデル(MDMとMotionLCM)間のテキストモーションの忠実度を、再トレーニングなしで一貫して改善する。
- 参考スコア（独自算出の注目度）: 32.824608968455294
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Diffusion-based text-to-motion models synthesize realistic human motions but often exhibit semantic drift from the input text. Motion is inherently temporal, especially in compositional and long-duration sequences that require semantic consistency across multiple action segments and smooth kinematic transitions throughout the trajectory. We posit that the initial noise is central to this consistency: within the Gaussian noise space, certain instances, i.e. winning noise tickets, carry latent structure that biases denoising toward particular motion semantics, even under null prompts. We propose WInning Noise Retrieval and Optimization (WINRO), a training-free, model-agnostic framework that improves text-motion alignment by selecting and refining such tickets before diffusion sampling. WINRO maps random noises to motion features generated under null prompts, retrieves the best-aligned noise for a given text, and refines it via a KL-regularized objective that reduces the residual semantic gap while preserving the Gaussian prior. An optional LoRA-based adapter amortizes this refinement into a single forward pass. WINRO consistently improves text-motion fidelity across different base models, MDM and MotionLCM, on HumanML3D without retraining, improves temporal robustness on the MTT benchmark, and generalizes to applications such as motion stylization and spatial constraint satisfaction.
- Abstract（参考訳）: 拡散に基づくテキスト・トゥ・モーション・モデルは現実的な人間の動きを合成するが、しばしば入力されたテキストから意味的なドリフトを示す。
運動は本質的に時間的であり、特に、複数のアクションセグメントにまたがる意味的な一貫性と、軌道のスムーズなキネマティックな遷移を必要とする構成的および長期的シーケンスにおいてである。
ガウス雑音空間において、ある場合、すなわち、ノイズチケットの当選は、特定の動きのセマンティクスに対して偏りを持つ潜在構造を持ち、ヌルプロンプト下であっても、この整合性の中心となると仮定する。
WINRO(Winning Noise Retrieval and Optimization, WINRO)は,拡散サンプリング前のチケットの選択と精算によりテキストのアライメントを改善する学習自由でモデルに依存しないフレームワークである。
WINROは、ランダムノイズをヌルプロンプトで生成された動作特徴にマッピングし、与えられたテキストのベストアライメントノイズを検索し、それをKL正規化された目的によって洗練し、ガウスの先行を保ちながら、残留的な意味的ギャップを低減する。
オプションのLoRAベースのアダプタは、この改良を1つのフォワードパスに補正する。
WINROは、HumanML3D上のMDMとMotionLCMの異なるベースモデル間のテキストモーションの忠実度を継続的に改善し、MTTベンチマークの時間的堅牢性を改善し、モーションスタイリゼーションや空間的制約満足度などの応用に一般化する。
関連論文リスト
- Beyond Noisy Signals: Dual-Level Denoising for Multi-modal Sequential Recommendation [6.902443075506667]
textbfDual-level textbfDenoising textbfMulti-modal textbfSequential textbfRecommendation frameworkを提案する。
論文 参考訳（メタデータ） (2026-07-21T07:06:06Z) - RhymeFlow: Training-Free Acceleration for Video Generation with Asynchronous Denoising Flow Scheduling [51.279397568734424]
Diffusion Transformers (DiTs) に基づく映像生成モデルは,映像合成において顕著な性能を発揮している。
DiTは3次元の注意の二次的な複雑さのために、高い推論遅延と計算コストに悩まされる。
我々はbftextRhymeFlowを紹介した。bftextRhymeFlowはトレーニング不要のフレームワークで、異なるフレームの認知軌道を分離する。
論文 参考訳（メタデータ） (2026-06-04T15:49:37Z) - Motion-Adaptive Temporal Attention for Lightweight Video Generation with Stable Diffusion [1.9349092719498848]
凍結安定拡散モデルに基づくパラメータ効率の高いビデオ生成のための動き適応型時間的注意機構を提案する。
カスケード戦略により、UNetトランスフォーマーブロックに軽量な時間的アテンションモジュールを注入する。
我々のアブレーション研究は、ノイズ相関と運動振幅との明確なトレードオフを明らかにし、多様な生成行動に対する実用的な推論時間制御を提供する。
論文 参考訳（メタデータ） (2026-03-18T06:20:57Z) - MotionCFG: Boosting Motion Dynamics via Stochastic Concept Perturbation [60.48914865049489]
MotionCFGは、ターゲットコンセプトとノイズブレーブの概念を対比することにより、モーションダイナミクスを強化するフレームワークである。
明示的な否定とは異なり、このアプローチはグローバルな意味的アイデンティティをシフトすることなく暗黙的な否定的なガイダンスを促進する。
MotionCFGは、最先端のT2Vフレームワーク間のモーションダイナミクスを一貫して改善する。
論文 参考訳（メタデータ） (2026-03-14T18:39:37Z) - DEMO: Disentangled Motion Latent Flow Matching for Fine-Grained Controllable Talking Portrait Synthesis [15.304037069236536]
DEMOは、音声駆動型トーキングヘッドビデオ合成のためのフローマッチング生成フレームワークである。
唇の動き、頭部のポーズ、視線を高度に制御する。
論文 参考訳（メタデータ） (2025-10-12T15:10:33Z) - MotionFlux: Efficient Text-Guided Motion Generation through Rectified Flow Matching and Preference Alignment [38.42799902378583]
仮想キャラクタとエンボディエージェントのアニメーションにはモーション生成が不可欠である。
TAPOとMotionFLUXは、セマンティック一貫性とモーション品質の両方において最先端のアプローチより優れている統一システムを形成する。
論文 参考訳（メタデータ） (2025-08-27T02:45:09Z) - DiTVR: Zero-Shot Diffusion Transformer for Video Restoration [48.97196894658511]
DiTVRはゼロショットビデオ復元フレームワークで、拡散トランスフォーマーと軌跡を意識した注意と流れ一貫したサンプルを結合する。
我々の注意機構は、光流路に沿ってトークンを整列させ、特に時間力学に最も敏感な重要な層に重点を置いている。
フローガイドされたサンプリング装置は、低周波帯域にのみデータの一貫性を注入し、キャッシュを加速させながら高周波事前保存を行う。
論文 参考訳（メタデータ） (2025-08-11T09:54:45Z) - WaMo: Wavelet-Enhanced Multi-Frequency Trajectory Analysis for Fine-Grained Text-Motion Retrieval [7.349030413222046]
Text-Motion Retrievalは、テキスト記述に意味のある3Dモーションシーケンスを検索することを目的としている。
ウェーブレットに基づく新しい多周波特徴抽出フレームワークWaMoを提案する。
WaMoは、身体関節の複数の解像度にまたがる、部分特異的かつ時間的に変化する運動の詳細をキャプチャする。
論文 参考訳（メタデータ） (2025-08-05T11:44:26Z) - FTMoMamba: Motion Generation with Frequency and Text State Space Models [53.60865359814126]
本稿では,周波数状態空間モデルとテキスト状態空間モデルを備えた新しい拡散型FTMoMambaフレームワークを提案する。
微細な表現を学ぶために、FreqSSMは配列を低周波成分と高周波成分に分解する。
テキストと動作の一貫性を確保するために、TextSSMはテキスト機能を文レベルでエンコードする。
論文 参考訳（メタデータ） (2024-11-26T15:48:12Z) - DiffusionPhase: Motion Diffusion in Frequency Domain [69.811762407278]
そこで本研究では,テキスト記述から高品質な人間の動作系列を生成する学習手法を提案する。
既存の技術は、任意の長さの動き列を生成する際に、動きの多様性と滑らかな遷移に苦しむ。
動作空間をコンパクトで表現力のあるパラメータ化位相空間に変換するネットワークエンコーダを開発する。
論文 参考訳（メタデータ） (2023-12-07T04:39:22Z) - ProgressiveMotionSeg: Mutually Reinforced Framework for Event-Based
Motion Segmentation [101.19290845597918]
本稿では,動作推定 (ME) モジュールとイベントデノイング (ED) モジュールを相互に強化された方法で共同最適化する。
時間的相関をガイダンスとして、EDモジュールは各イベントが実活動イベントに属するという信頼度を算出し、MEモジュールに送信し、ノイズ抑制のための運動セグメンテーションのエネルギー関数を更新する。
論文 参考訳（メタデータ） (2022-03-22T13:40:26Z)
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。