論文の概要: Spatial Temporal Synergy: Balancing Change and Invariance in Text Driven 3D Human Motion Editing

• arxiv url: http://arxiv.org/abs/2608.16008v1
• Date: Mon, 17 Aug 2026 01:54:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-18 19:59:03.501015
• Title: Spatial Temporal Synergy: Balancing Change and Invariance in Text Driven 3D Human Motion Editing
• Title（参考訳）: 空間的時間的シナジー:テキスト駆動型人体運動編集における変化と不変性
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 78.44034844227868
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Text-driven human motion editing aims to modify existing motion sequences according to natural language instructions while maintaining the structural consistency of the original motion. Existing diffusion-based approaches struggle to balance text-responsive "change" and inertial "invariance". They often rely on coarse spatial constraints and rigid uniform time assumptions, leading to spatial motion distortions and the destruction of intrinsic physical rhythms during variable-length editing. To handle these challenges, we propose Change and Invariance Motion Editing (CIME), a unified framework that comprehensively decouples change and invariance into spatial pose and temporal rhythm dimensions. For spatial poses, our method integrates an omni-supervised positive-negative learning mechanism comprising hierarchical retrospective feature supervision, subtle motion preservation, and triplet-based semantic alignment. For temporal rhythms, we introduce the Riemannian Non-uniform Integral Manifold Mapping (RNIMM) module, which achieves high-fidelity reproduction of physical beats in the edited text via kinematics-aware non-uniform timestamps. Extensive experiments on the MotionFix and STANCE Adjustment datasets demonstrate that CIME achieves state-of-the-art performance in editing alignment and structural fidelity, validating the effectiveness of our unified architecture. Our source codes and models have been released at: github.com/ZhenwuShi/CIME.git
• Abstract（参考訳）: テキスト駆動型人間の動作編集は、原動の構造的一貫性を維持しつつ、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。 既存の拡散に基づくアプローチは、テキスト応答性の「変化」と慣性的な「不変」のバランスをとるのに苦労する。 それらはしばしば粗い空間制約と厳密な一様時間仮定に依存しており、空間的な動きの歪みや、可変長編集における本質的な物理リズムの破壊につながる。 これらの課題に対処するために,空間的ポーズと時間的リズムの次元に変化と不変性を包括的に分離する統合フレームワークである変化と不変運動編集(CIME)を提案する。 空間的ポーズには、階層的振り返り特徴の監督、微妙な動きの保存、三重項に基づく意味的アライメントを含む全能的正負の学習機構が組み込まれている。 時相リズムに対しては, キネマティクスを意識した非一様タイムスタンプを用いて, 編集テキスト中の物理ビートを高忠実に再現するRNIMM (Riemannian Non-uniform Integral Manifold Mapping) モジュールを導入する。 MotionFixとSTANCE調整データセットの大規模な実験により、CIMEは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実現し、統合アーキテクチャの有効性を検証した。 ソースコードとモデルは、github.com/ZhenwuShi/CIME.gitでリリースされました。

関連論文リスト

• UniMoFlow: Grounding Instruction-Driven 3D Human Motion Editing in Generation [31.218236544871967]
  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。
  論文  参考訳（メタデータ） (2026-08-10T05:42:58Z)
• Follow Your Track: Precise Skeleton Animation Controlled by 3D Trajectories [93.39170866007431]
  4Dジェネレーションは、3Dオブジェクトをリアルなモーションでアニメーション化することを目的としており、アプリケーションには大きな可能性を秘めている。 既存の方法は通常、モーション合成から3Dアセット生成を分離する。 トポロジ一般骨格アニメーションのための軌道条件付きフレームワークである textttACT について述べる。
  論文  参考訳（メタデータ） (2026-06-24T03:18:10Z)
• 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)
• MotionMERGE: A Multi-granular Framework for Human Motion Editing, Reasoning, Generation, and Explanation [66.66098171359995]
  MotionMERGEは、モーション言語モデルの粒度のギャップを埋める統合フレームワークである。 まず,詳細な理解と局所的な編集を含む,粒度の細かい言語誘導型モーションコントロールの研究の先駆者となる。 第2に,粒度調整を共同で行う新しい戦略である粒度事前学習を意識したReasoningAware Granularity-Synergyを設計する。 第3に、第1の微細時間補正命令とモーショングラウンドCoTアノテーションを備えた大規模データセットであるMotionFineEditをキュレートする。
  論文  参考訳（メタデータ） (2026-05-18T18:00:04Z)
• 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)
• Pose-Guided Residual Refinement for Interpretable Text-to-Motion Generation and Editing [0.0]
  本稿では、残差ベクトル量子化(RVQ)によって学習された残差符号で解釈可能なポーズコードを拡張するハイブリッド表現であるPGR$2$Mを導入する。 ベーストランスフォーマーはテキストからポーズコードを自動的に予測し、洗練されたトランスフォーマーはテキスト、ポーズコード、量子化ステージで条件付けられた残留コードを予測する。 HumanML3DとKIT-MLの実験では、PGR$2$Mは、CoMoと比べて生成と編集の両方においてフレシェ距離と再構成の指標を改善する。
  論文  参考訳（メタデータ） (2025-12-27T04:45:31Z)
• Follow Your Motion: A Generic Temporal Consistency Portrait Editing Framework with Trajectory Guidance [27.1886214162329]
  Follow Your Motionは、肖像画編集における時間的一貫性を維持するための一般的なフレームワークである。 音声頭部編集における微粒化表現の時間的整合性を維持するため,動的再重み付き注意機構を提案する。
  論文  参考訳（メタデータ） (2025-03-28T08:18:05Z)
• 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。