論文の概要: UniMoFlow: Grounding Instruction-Driven 3D Human Motion Editing in Generation
- arxiv url: http://arxiv.org/abs/2608.09143v1
- Date: Mon, 10 Aug 2026 05:42:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-11 19:16:37.096031
- Title: UniMoFlow: Grounding Instruction-Driven 3D Human Motion Editing in Generation
- Title（参考訳）: UniMoFlow: 世代別インストラクション駆動型3Dモーション編集
- Abstract要約: データ、アーキテクチャ、推論をまたいだテキスト・ツー・モーション・ジェネレーション内でのモーション編集を直接行う。
データレベルでは,Omni-MoEditを生成するクローズドループ合成検証パイプラインを開発した。
アーキテクチャレベルでは、UniMoFlowを導入します。UniMoFlowは、生成と編集の間に広範囲なセマンティックとセマンティックの知識を共有します。
本研究は,1つの接地真実参照から本質的に逸脱する有効な編集を考慮に入れた意味論的メトリクスを用いた標準評価を強化する。
- 参考スコア（独自算出の注目度）: 31.218236544871967
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Instruction-driven editing of 3D human motion requires precise spatiotemporal localization, rich semantic grounding, and strict preservation of unmodified content. Existing methods either resort to training-free adaptation of generative models or rely solely on triplet supervision; however, adaptation often yields suboptimal control, and manually curated triplet datasets remain severely limited in scale and semantic diversity. To overcome this bottleneck, we ground motion editing directly within text-to-motion generation across data, architecture, and inference. At the data level, we develop a closed-loop synthesis-and-verification pipeline that produces Omni-MoEdit, a large-scale dataset spanning body-part, amplitude, temporal, action, and style edits. At the architectural level, we introduce UniMoFlow, a unified latent flow-matching model that shares broad semantic and kinematic knowledge between generation and editing. At the inference level, SAFE (Source-Anchored Flow Editing) complements UniMoFlow with controllable, source-anchored refinement. Furthermore, we augment standard evaluations with semantics-aware metrics to account for valid edits that inherently deviate from a single ground-truth reference. Extensive experiments demonstrate improved target-text alignment, edit effectiveness, and cycle consistency, while maintaining competitive source fidelity and text-to-motion generation quality.
- Abstract（参考訳）: 指示駆動による人間の3次元動作の編集には、正確な時空間的局所化、豊かなセマンティックグラウンド化、修正されていないコンテンツの厳密な保存が必要である。
既存の手法は、生成モデルのトレーニングなし適応を利用するか、あるいは三重項の監督にのみ依存するが、適応は、しばしば最適以下に制御され、手作業による3重項データセットは、スケールと意味の多様性において著しく制限されている。
このボトルネックを克服するために、我々はデータ、アーキテクチャ、推論をまたいだテキスト間移動生成に直接モーション編集を行う。
データレベルでは,Omni-MoEditを生成するクローズドループ合成検証パイプラインを開発した。
アーキテクチャレベルでは、UniMoFlowを導入します。UniMoFlowは、生成と編集の間に広義のセマンティックな知識とキネマティックな知識を共有します。
推論レベルでは、SAFE(Source-Anchored Flow Editing)がUniMoFlowを補完し、制御可能でソース-Anchoredの洗練を行う。
さらに,1つの接地真実参照から本質的に逸脱する有効な編集を考慮に入れるために,セマンティクス対応メトリクスを用いた標準評価を強化した。
大規模な実験では、目標テキストのアライメント、編集効率、サイクル一貫性を改善し、競合するソースの忠実さとテキスト・ツー・モーション生成の品質を維持した。
関連論文リスト
- Spatial Temporal Synergy: Balancing Change and Invariance in Text Driven 3D Human Motion Editing [78.44034844227868]
テキスト駆動型人間の動作編集は、自然言語の指示に従って既存の動作シーケンスを変更することを目的としている。
変化と不変性 (Change and Invariance Motion Editing, CIME) は、変化と不変性を空間的ポーズと時間的リズム次元に包括的に分離する統合フレームワークである。
MotionFixとSTANCE調整データセットの実験は、CIMEがアライメントと構造的忠実さの編集において最先端のパフォーマンスを達成することを示した。
論文 参考訳（メタデータ） (2026-08-17T01:54:44Z) - Cross-Axis Feature Fusion with Joint-Wise Motion Difference Prediction for Text-Based 3D Human Motion Editing [12.284953145384264]
そこでは,自然言語で記述した編集を適用しながら,原文の動きのスタイルと構造を保存することを目的とする。
私たちのゴールは、この時間的側面だけでなく、特定のジョイントが変化に責任を持つのかを理解するモデルを作ることです。
論文 参考訳（メタデータ） (2026-05-31T05:09:42Z) - Omni-Supervised Motion Editing: Balancing Change and Invariance through Positive-Negative Learning [55.410155357480654]
我々はOmniMEという,Omni-Supervised Positive-Negative Learningフレームワークを提案する。
本手法は3つの相補的成分を統合する。
MotionFixとSTANCE調整データセットの実験は、OmniMEが編集アライメントにおける最先端のパフォーマンスを達成することを示した。
論文 参考訳（メタデータ） (2026-05-29T08:09:51Z) - KGEdit: Ambiguity-Aware Knowledge Graphs for Training-Free Precise Video Generation and Editing [24.315720861063397]
KGEditは、テキスト・トゥ・ビデオ(T2V)拡散モデルのための構造化セマンティック・コントロール・フレームワークである。
まず、入力プロンプトのアンビグニティ対応知識グラフ(AAKG)を構築し、入力プロンプトのアンビグニティ化とアンビグニティ化を行う。
次に,拡散変換器の鍵層に意味信号を注入する構造的意味注入モジュール(SSIM)を設計する。
論文 参考訳（メタデータ） (2026-05-28T07:31:22Z) - SteerFlow: Steering Rectified Flows for Faithful Inversion-Based Image Editing [9.343095346668665]
SteerFlowはモデルに依存しない編集フレームワークで、ソースの忠実性に関する強力な理論的保証がある。
本稿では,ターゲット編集速度とソース再構成速度を適応的にブレンドして,編集軌道をソースに固定するトラジェクトリ補間法を提案する。
FLUX.1-devとStable Diffusion 3.5 Mediumの実験では、SteerFlowは既存の方法よりも優れた編集品質を実現している。
論文 参考訳（メタデータ） (2026-04-02T07:26:13Z) - SAMA: Factorized Semantic Anchoring and Motion Alignment for Instruction-Guided Video Editing [76.349958946335]
本稿では,映像編集をセマンティックアンカーとモーションモデリングに分解するフレームワークであるSAMA(factorized Semantic Anchoring and Motion Alignment)を提案する。
まずセマンティックアンカリング(Semantic Anchoring)を導入し、スパースアンカフレームでのセマンティックトークンとビデオ潜在者を共同で予測することで、信頼性の高い視覚アンカを確立する。
第2に、モーションアライメントは同じバックボーンをモーション中心のビデオ復元のプリテキストタスクで事前トレーニングする。
論文 参考訳（メタデータ） (2026-03-19T17:59:51Z) - InterEdit: Navigating Text-Guided Multi-Human 3D Motion Editing [73.51964472028392]
本稿では,複数の人物による3Dモーション編集のタスクについて紹介する。
これをサポートするために、InterEdit3D、手動2人動作変更アノテーションを備えた新しいデータセット、およびテキスト誘導多人動作編集(TMME)ベンチマークを提案する。
InterEditはテキスト間の一貫性を改善し、忠実さを編集し、最先端のTMMEパフォーマンスを実現する。
論文 参考訳（メタデータ） (2026-03-13T15:30:51Z) - FlowDirector: Training-Free Flow Steering for Precise Text-to-Video Editing [2.7248421583285265]
FlowDirectorは、新しいインバージョンフリーのビデオ編集フレームワークである。
我々のフレームワークは、編集プロセスをデータ空間の直接進化としてモデル化する。
局所的かつ制御可能な編集を実現するために,注意誘導型マスキング機構を導入する。
論文 参考訳（メタデータ） (2025-06-05T13:54:40Z) - MotionFix: Text-Driven 3D Human Motion Editing [52.11745508960547]
主な課題は、トレーニングデータの不足と、ソースの動きを正確に編集するモデルの設計である。
本研究では, (i) 震源運動, (ii) 目標運動, (iii) 編集テキストからなる三つ組のデータセットを半自動で収集する手法を提案する。
このデータにアクセスすると、ソースモーションと編集テキストの両方を入力として取り込む条件拡散モデルTMEDをトレーニングできます。
論文 参考訳（メタデータ） (2024-08-01T16:58:50Z) - SemanticBoost: Elevating Motion Generation with Augmented Textual Cues [73.83255805408126]
我々のフレームワークはセマンティック・エンハンスメント・モジュールとコンテキスト調整型モーション・デノイザ(CAMD)から構成されている。
CAMDアプローチは、高品質でセマンティックに一貫性のあるモーションシーケンスを生成するための全エンコンパスソリューションを提供する。
実験の結果,SemanticBoostは拡散法として自己回帰法よりも優れていることがわかった。
論文 参考訳（メタデータ） (2023-10-31T09:58:11Z)
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。