論文の概要: MeshPriorDiT: Hierarchical Modeling for Action-Conditioned Cloth Dynamics
- arxiv url: http://arxiv.org/abs/2608.26766v1
- Date: Thu, 27 Aug 2026 07:57:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-28 16:30:58.299663
- Title: MeshPriorDiT: Hierarchical Modeling for Action-Conditioned Cloth Dynamics
- Title（参考訳）: MeshPriorDiT:アクション駆動型衣服ダイナミクスの階層的モデリング
- Abstract要約: 動作条件付き布のダイナミックス予測は局所的可塑性変形と長距離調整の両方を必要とする。
本稿では,階層型動的モデルであるMeshPriorDiTを提案する。
本研究は,3つの布操作タスクにわたる15ステップの自動回帰ロールアウトにおけるMeshPriorDiTの評価である。
- 参考スコア（独自算出の注目度）: 12.298027225716035
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Action-conditioned cloth dynamics prediction requires both locally plausible deformation and long-range coordination. Existing approaches largely follow two paradigms. Mesh-based GNNs capture local physical responses through material connectivity. However, their finite message-passing range limits coordination between topologically distant regions, while autoregressive rollouts tend to accumulate prediction errors. Transformer-based dynamics models capture long-range interactions through global attention, but often operate without explicit material connectivity and must learn local topological responses directly from data. We propose MeshPriorDiT, a hierarchical dynamics model that decomposes future cloth motion into a structured mesh prior and a generative residual. An action-conditioned mesh GNN first predicts multi-step vertex displacements, yielding a reference trajectory that respects material topology and grasp constraints. Conditioned on historical states, planned actions, and the mesh prior, a Residual DiT then uses conditional flow matching to jointly generate the residual motion not captured by the prior. The generated residual is further rescaled and decoded using material adjacency to coordinate corrections across neighboring vertices. We evaluate MeshPriorDiT on 15-step autoregressive rollouts across three cloth manipulation tasks. Averaged over the three tasks, MeshPriorDiT reduces average Global MSE by 43.42% relative to the GNN-Only baseline and by 75.03% relative to the DiT-DDPM baseline, while maintaining a favorable Edge-strain MSE comparable to that of GNN-Only.
- Abstract（参考訳）: 動作条件付き布のダイナミックス予測は局所的可塑性変形と長距離調整の両方を必要とする。
既存のアプローチは2つのパラダイムに大きく従っている。
メッシュベースのGNNは、物質接続を通じて局所的な物理応答をキャプチャする。
しかしながら、その有限メッセージパス範囲は、トポロジカルな遠隔領域間の調整を制限する一方、自己回帰的なロールアウトは予測エラーを蓄積する傾向にある。
トランスフォーマーベースのダイナミックスモデルは、グローバルな注意を通して長距離インタラクションをキャプチャするが、しばしば明示的な材料接続なしに動作し、データから直接局所的なトポロジ的応答を学習する必要がある。
本稿では,階層型動的モデルであるMeshPriorDiTを提案する。
動作条件付きメッシュGNNは、まず多段階の頂点変位を予測し、材料トポロジを尊重し制約をつかむ基準軌道を生成する。
履歴状態、計画された動作、メッシュ前のメッシュに基づいて、Residual DiT は条件付きフローマッチングを使用して、前者が捉えない残留運動を共同で生成する。
生成した残基は、近隣の頂点をまたいで補正を調整するために材料隣接を用いてさらに再スケールおよび復号化される。
本研究は,3つの布操作タスクにわたる15ステップの自動回帰ロールアウトにおけるMeshPriorDiTの評価である。
3つのタスクを平均すると、MeshPriorDiTはGNN-Onlyベースラインに対して平均的なグローバルMSEを43.42%削減し、DT-DDPMベースラインに対して75.03%削減した。
関連論文リスト
- GMoT: Gated Motion-Aware Tokenization for Fine-Grained Micro-Gesture Video Reasoning with Multimodal LLMs [38.593314566875755]
GMoTはGated Motion-Aware Tokenizationモジュールで、時相モデリングに先立ってスパース・キネマティック・エビデンスをコンパクトなシーケンスに蒸留する。
単純な分類からエビデンスに基づく推論へ移行するために、我々は、進歩的な報酬誘導政策改善パラダイムを導入する。
我々のGMoT拡張モデルは、ドメイン内の精度を向上し、ラベル保存汚職の下で明確な利得を維持し、精度指向のクロスドメイン転送を改善する。
論文 参考訳（メタデータ） (2026-07-15T09:37:58Z) - LCPNet: Latent Consistent Proximal Unfolding Network for Infrared Small Target Detection [50.3892176822492]
赤外線小目標検出(IRSTD)は、複雑な赤外背景から長距離小目標を特定することを目的としている。
深層学習法は、識別的画像-マスクマッピングを学習することでIRSTDを改善した。
深層展開法は、モデル駆動イテレーションをニューラルネットワークに埋め込むことによって、この問題に部分的に対処する。
これらの制約に対処するために,Latent Consistent Proximal Unfolding Network (LCPNet)を提案する。
論文 参考訳（メタデータ） (2026-07-06T02:15:09Z) - Decoupled and Divergence-Conditioned Prompt for Multi-domain Dynamic Graph Foundation Models [59.8742208800447]
分離および分散条件付きプロンプトに基づく動的グラフ基礎モデルであるDyGFMを提案する。
DyGFMは、ノード分類とリンク予測の両方において、12の最先端のベースラインを一貫して上回ることを示す。
論文 参考訳（メタデータ） (2026-05-13T13:50:03Z) - Posterior Augmented Flow Matching [64.1559809786948]
後拡張フローマッチング(PAFM)はフローマッチング(FM)の一般化である
PAFMは、異なるモデルスケールで最大3.4FID50KでFMよりも改善されていることを示す。
論文 参考訳（メタデータ） (2026-05-01T17:59:59Z) - Rheos: Modelling Continuous Motion Dynamics in Hierarchical 3D Scene Graphs [9.547848533245675]
3次元シーングラフ(3DSG)は、環境の幾何学的・意味的な構造をエンコードする階層的で多重解像度の抽象化を提供する。
本稿では,連続方向運動モデルを階層型3DSGの動的層に埋め込むフレームワークであるRheosを紹介する。
レオスは連続的かつ好ましくない離散的指標の下で、離散的基底線を一貫して上回る。
論文 参考訳（メタデータ） (2026-03-09T13:03:31Z) - Disentangling History and Propagation Dependencies in Cross-Subject Knee Contact Stress Prediction Using a Shared MeshGraphNet Backbone [0.8283940114367679]
予測の不確実性の主な原因が時間的履歴依存か空間的伝播依存かは、まだ不明である。
OpenSim-FEBioワークフローを使用して、9つの被験者による試行のデータセットを構築した。
ヒストリーエンコーディングを組み込んだモデルは、大域的精度と空間的整合性において、ベースラインMGNとModMGNを大きく上回った。
論文 参考訳（メタデータ） (2026-01-13T08:15:57Z) - Agentic World Modeling for 6G: Near-Real-Time Generative State-Space Reasoning [70.56067503630486]
第6世代(6G)インテリジェンスは、流動的なトークン予測ではなく、想像と選択の能力を校正している、と我々は主張する。
We showed that WM-MS3M cuts mean absolute error (MAE) by 1.69% vs MS3M with 32% less parameters and similar latency, and achieve a 35-80% lower root mean squared error (RMSE) than attention/hybrid baselines with 2.3-4.1x faster inference。
論文 参考訳（メタデータ） (2025-11-04T17:22:22Z) - PRGCN: A Graph Memory Network for Cross-Sequence Pattern Reuse in 3D Human Pose Estimation [18.771349697842947]
本稿では、パターン検索と適応の問題としてポーズ推定を形式化する新しいフレームワークであるパターン再利用グラフ変換ネットワーク(PRGCN)を紹介する。
PRGCNのコアとなるグラフメモリバンクは、リレーショナルグラフとして符号化された一連のコンパクトなポーズプロトタイプを学習し、格納する。
PRGCNは,それぞれ37.1mm,13.4mmのMPJPEを達成し,クロスドメインの一般化能力の向上を図っている。
論文 参考訳（メタデータ） (2025-10-22T11:12:07Z) - M4GN: Mesh-based Multi-segment Hierarchical Graph Network for Dynamic Simulations [11.547387701986784]
メッシュベースのグラフニューラルネットワーク(GNN)はPDEシミュレーションに有効なサロゲートとなっている。
我々は三層セグメント中心階層ネットワークであるM4GNを開発した。
その結果,M4GNは予測精度を最大56%向上し,予測精度は最先端のベースラインよりも最大22%向上した。
論文 参考訳（メタデータ） (2025-09-12T19:38:38Z) - GeoAda: Efficiently Finetune Geometric Diffusion Models with Equivariant Adapters [61.51810815162003]
制御された生成タスクに対してフレキシブルかつパラメータ効率の良い微調整を可能にするSE(3)-equivariant Adapter framework(GeoAda)を提案する。
GeoAdaは、過剰適合と破滅的な忘れを緩和しながら、モデルの幾何的一貫性を保っている。
我々は、フレーム制御、グローバル制御、サブグラフ制御、広範囲のアプリケーションドメインを含む多様な幾何学的制御タイプにまたがるGeoAdaの適用性を実証する。
論文 参考訳（メタデータ） (2025-07-02T18:44:03Z) - Global-to-Local Modeling for Video-based 3D Human Pose and Shape
Estimation [53.04781510348416]
フレーム内精度とフレーム間スムーズさにより,映像に基づく3次元人間のポーズと形状推定を評価する。
エンドツーエンドフレームワークGLoT(Global-to-Local Transformer)における長期的・短期的相関のモデル化を構造的に分離することを提案する。
我々のGLoTは、一般的なベンチマーク(3DPW、MPI-INF-3DHP、Human3.6M)において、最も低いモデルパラメータを持つ従来の最先端の手法を上回る。
論文 参考訳（メタデータ） (2023-03-26T14:57:49Z)
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。