論文の概要: fog: Expressing Motion and Emotion through Function Composition of AI-Generated Code

• arxiv url: http://arxiv.org/abs/2607.07952v1
• Date: Wed, 08 Jul 2026 22:09:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-10 14:45:27.352282
• Title: fog: Expressing Motion and Emotion through Function Composition of AI-Generated Code
• Title（参考訳）: 霧:AI生成コードの機能構成による動きと感情の表現
• Abstract要約: 動作関数の実装と構成のための関数合成フレームワークであるフォグを導入する。 我々は,Heider-Simmelスタイルのアニメーションにおいて,霧がどのように動きや感情を表現するかを示す。
• 参考スコア（独自算出の注目度）: 7.080957630692233
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Motion and emotion are core parts of intelligent, expressive behavior. In this paper, we introduce fog, a function composition framework for implementing and compose motion functions. We demonstrate how fog can be used to express motion and emotion in Heider-Simmel style animations. This code generation framework can help users generate functions for verbs, adverbs, gestures, and emotions to create an open-ended motion vocabulary. It is complemented by an animation editor that helps users refine motion through direct manipulation and dynamically generated UI. We evaluate our approach with a perceptual evaluation, where we test 452 fog-generated animations to see if people can recognize the semantic meaning of the motion. We find that fog's motion functions can be recognized at 68% accuracy, a 2.68x improvement over a chance baseline. In a mixed-methods user study with professionals and novices, we show that fog in interface form can support users with more rapid iteration, exploration, and control.
• Abstract（参考訳）: 動作と感情は知的で表現力のある行動の中核的な部分である。 本稿では,動作関数の実装と構成のための関数合成フレームワークであるフォグを紹介する。 我々は,Heider-Simmelスタイルのアニメーションにおいて,霧がどのように動きや感情を表現するかを示す。 このコード生成フレームワークは、ユーザーが動詞、副詞、ジェスチャー、感情の関数を生成し、オープンな動き語彙を作成するのに役立つ。 アニメーションエディタによって補完され、直接操作や動的に生成されたUIを通じて、ユーザーが動きを洗練させるのに役立つ。 提案手法を知覚的評価を用いて評価し,452個の霧生成アニメーションを用いて動作の意味を認識できるかどうかを検証した。 霧の運動関数は68%の精度で認識でき、確率ベースラインよりも2.68倍改善されている。 専門家と初心者による混合手法によるユーザスタディでは,インターフェース形式の霧は,より迅速な反復,探索,制御によってユーザを支援することが示されている。

関連論文リスト

• Motion Prompting: Controlling Video Generation with Motion Trajectories [57.049252242807874]
  スパースもしくは高密度なビデオ軌跡を条件とした映像生成モデルを訓練する。 ハイレベルなユーザリクエストを,詳細なセミセンスな動作プロンプトに変換する。 我々は、カメラや物体の動き制御、画像との「相互作用」、動画転送、画像編集など、様々な応用を通してアプローチを実証する。
  論文  参考訳（メタデータ） (2024-12-03T18:59:56Z)
• DEEPTalk: Dynamic Emotion Embedding for Probabilistic Speech-Driven 3D Face Animation [14.07086606183356]
  音声駆動の3D顔アニメーションは、幅広い応用によって多くの注目を集めている。 現在の方法では、音声を通して伝達されるニュアンスな感情のアンダートーンを捉えることができず、単調な顔の動きを生成する。 音声入力から直接多様で感情的に豊かな表情を生成する新しいアプローチであるDEEPTalkを紹介する。
  論文  参考訳（メタデータ） (2024-08-12T08:56:49Z)
• Words in Motion: Extracting Interpretable Control Vectors for Motion Transformers [1.1510009152620668]
  トランスフォーマーベースのモデルは、解釈が難しい隠された状態を生成する。 隠れた状態を解析し、推論で修正し、動き予測に焦点をあてる。
  論文  参考訳（メタデータ） (2024-06-17T15:07:55Z)
• Dynamic Typography: Bringing Text to Life via Video Diffusion Prior [73.72522617586593]
  動的タイポグラフィー(Dynamic Typography)と呼ばれる自動テキストアニメーション方式を提案する。 意味的意味を伝えるために文字を変形させ、ユーザプロンプトに基づいて活気ある動きを注入する。 本手法は,ベクトルグラフィックス表現とエンドツーエンド最適化に基づくフレームワークを利用する。
  論文  参考訳（メタデータ） (2024-04-17T17:59:55Z)
• LivePhoto: Real Image Animation with Text-guided Motion Control [51.31418077586208]
  この研究はLivePhotoという名前の実用的なシステムを示し、ユーザーが興味のある画像をテキスト記述でアニメーション化することができる。 まず、よく学習されたテキスト・ツー・イメージ・ジェネレータ(すなわち、安定拡散)がさらに入力として画像を取るのを助ける強力なベースラインを確立する。 次に、時間的モデリングのためのモーションモジュールを改良されたジェネレータに装備し、テキストとモーションのリンクをより良くするための、慎重に設計されたトレーニングパイプラインを提案する。
  論文  参考訳（メタデータ） (2023-12-05T17:59:52Z)

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。