論文の概要: Two2Four: Generative Quadruped Puppeteering from Human Motion
- arxiv url: http://arxiv.org/abs/2607.26108v1
- Date: Tue, 28 Jul 2026 13:23:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-30 21:06:25.430869
- Title: Two2Four: Generative Quadruped Puppeteering from Human Motion
- Title（参考訳）: 22Four:人間の動きから生成した4Dプリンター
- Authors: Fatemeh Zargarbashi, Zehong Qiu, Dhruv Agrawal, Stelian Coros, Robert W. Sumner, Martin Guay, Jakob Buhmann,
- Abstract要約: 本稿では,可塑性かつ制御可能な四重奏運動を生成する,人対四重奏人形の自動組立フレームワークを提案する。
提案手法は,4つの運動データに基づいて純粋に訓練された2段階生成拡散モデルを用いる。
実験の結果,既存手法と比較して運動リアリズムと制御性が改善された。
- 参考スコア（独自算出の注目度）: 20.914466901797574
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Realistic animal motion for virtual production is typically obtained either through motion capture of highly trained performers who accurately mimic animal behavior, or by retargeting ordinary human motion using complex control setups. Both approaches are challenging and often fail to fully reproduce the nuances of natural animal motion, motivating data-driven alternatives. We present an automatic human-to-quadruped puppeteering framework that produces plausible and controllable quadruped motions from ordinary human motion data. Our approach employs a two-stage generative diffusion model trained purely on quadruped motion data. By introducing a structured conditioning and inpainting strategy, our method supports a wide range of actions, including walking, running, jumping, sitting, and lying. Furthermore, we enable fine-grained intuitive control of the quadruped motion such as head movement control and individual limb puppeteering. Experimental results demonstrate improved motion realism and controllability compared to existing retargeting approaches, highlighting the effectiveness of our framework as a tool for animation and virtual production applications.
- Abstract（参考訳）: 仮想生産のための現実的な動物の動きは、動物の動きを正確に模倣する高度に訓練されたパフォーマーの動きを捉えたり、複雑な制御装置を使って普通の人間の動きを再ターゲットしたりすることで得られる。
どちらのアプローチも困難であり、しばしば自然の動物の運動のニュアンスを完全に再現できず、データ駆動の代替手段を動機付けている。
本研究では,人間の動作データから可塑性かつ制御可能な四足歩行を自動生成する人形製作フレームワークを提案する。
提案手法は,4つの運動データに基づいて純粋に訓練された2段階生成拡散モデルを用いる。
構造的条件付けと塗装戦略を導入することで,歩行,走,跳躍,着座,横たわる幅広い行動を支援する。
さらに,頭の動き制御や手足の操り動作など,四足歩行の微妙な直感的な制御を可能にする。
実験の結果,既存のリターゲティング手法と比較して動作リアリズムと制御性が向上し,アニメーションと仮想プロダクションアプリケーションのためのツールとして,我々のフレームワークの有効性が強調された。
関連論文リスト
- Behavior Foundations for Quadruped Robots: ABot-C0 Technical Report [25.18747802029395]
本稿では,四足歩行ロボットの汎用動作制御システムであるABot-C0を提案する。
我々は、条件付きビデオ生成、注釈付きモーションキャプチャ、ヒューマンデザインを通じてデータピラミッドを構築し、16,074個の物理的に実現可能なモーションクリップを生成した。
そして、3段階の特権と知覚の枠組みを採用することで、ロバストな全地球移動に向けて一歩前進します。
論文 参考訳（メタデータ） (2026-07-08T13:04:07Z) - ResMimic: From General Motion Tracking to Humanoid Whole-body Loco-Manipulation via Residual Learning [59.64325421657381]
ヒューマノイド全体のロコ操作は、日々のサービスや倉庫のタスクにトランスフォーメーション機能を約束する。
ResMimicは、人間の動作データから正確に表現力のあるヒューマノイド制御のための2段階の残差学習フレームワークである。
結果は、強いベースラインよりもタスク成功、トレーニング効率、堅牢性が大幅に向上したことを示している。
論文 参考訳（メタデータ） (2025-10-06T17:47:02Z) - MoReact: Generating Reactive Motion from Textual Descriptions [57.642436102978245]
MoReactは拡散に基づく手法で、グローバルな軌跡と局所的な動きを連続的に引き離すように設計されている。
2人の動作データセットから適応したデータを用いて,本手法の有効性を実証した。
論文 参考訳（メタデータ） (2025-09-28T14:31:41Z) - ExBody2: Advanced Expressive Humanoid Whole-Body Control [16.69009772546575]
人間のモーションキャプチャーとシミュレーションデータの両方に基づいてトレーニングされた全身トラッキングコントローラの製作法を提案する。
我々は,ロボットのキネマティクスに適合する中間データを生成するために,教師の方針を利用する。
少量のデータによる微調整により追跡性能が大幅に向上した。
論文 参考訳（メタデータ） (2024-12-17T18:59:51Z) - Move-in-2D: 2D-Conditioned Human Motion Generation [54.067588636155115]
そこで我々は,シーンイメージに条件付けされた人間の動作シーケンスを生成する新しい手法であるMove-in-2Dを提案する。
本手法はシーンイメージとテキストプロンプトの両方を入力として受け入れ,シーンに合わせた動作シーケンスを生成する。
論文 参考訳（メタデータ） (2024-12-17T18:58:07Z) - Monkey See, Monkey Do: Harnessing Self-attention in Motion Diffusion for Zero-shot Motion Transfer [55.109778609058154]
既存の拡散に基づく運動編集法は、事前訓練されたモデルの重みに埋め込まれた前者の深いポテンシャルを見落としている。
動きパターンのキャプチャーと表現における注目要素の役割と相互作用を明らかにする。
我々はこれらの要素を統合して、従者のニュアンス特性を維持しつつ、従者へのリーダ動作の転送を行い、結果としてゼロショット動作の転送を実現した。
論文 参考訳（メタデータ） (2024-06-10T17:47:14Z) - Universal Humanoid Motion Representations for Physics-Based Control [71.46142106079292]
物理学に基づくヒューマノイド制御のための総合的な運動スキルを含む普遍的な運動表現を提案する。
まず、大きな非構造運動データセットから人間の動きをすべて模倣できる動き模倣機を学習する。
次に、模倣者から直接スキルを蒸留することで、動作表現を作成します。
論文 参考訳（メタデータ） (2023-10-06T20:48:43Z)
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。