論文の概要: Kirin: Animal Motion Generation from In-the-Wild Video

• arxiv url: http://arxiv.org/abs/2609.01823v1
• Date: Tue, 01 Sep 2026 19:56:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-03 17:53:17.968886
• Title: Kirin: Animal Motion Generation from In-the-Wild Video
• Title（参考訳）: キリン:インザワイルドビデオから動物の動きを生成
• Abstract要約: キリン(きりん)は、動画から動きを再構築し、大規模に動きの先行を学習し、アニメーションの資産に直接適用可能な現実的な動きを生成する枠組みである。 AiM3Dは、四足動物向けのビデオテキスト移動を提供する最初の大規模データセットである。 市販のイメージ・トゥ・3Dモデルを利用することで、生成した動きを用いて3Dメッシュを自動的にリグ・アニメーションし、準備の整ったアニメーション動物を生成する。
• 参考スコア（独自算出の注目度）: 40.9434764171182
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Understanding animal motion is fundamental to modeling animal behavior and biomechanics, yet progress in this area lags far behind human motion research due to the scarcity of high-quality motion data. While human motion can be captured in controlled environments, it is impractical for most animal species, resulting in small, domain-limited datasets that restrict downstream applications such as animation. To address this challenge, we introduce Kirin, a framework that reconstructs motion from video, learns motion priors at scale, and generates realistic motion that can be directly applied to animated assets. Using large collections of in-the-wild animal videos, we reconstruct 3D motion sequences and pair them with captions to create AiM3D, the first large-scale dataset offering aligned video-text-motion tuples for quadruped animals. Building on this dataset, we develop a visual-guided motion generation model that conditions on both text and image to guide the generation of realistic motion across diverse animal species. Finally, by leveraging an off-the-shelf image-to-3D model, we automatically rig and animate 3D meshes using generated motion, producing ready-to-render animated animals. Together, our dataset and framework establish a new foundation for large-scale, text and image conditioned animal motion generation and animation. Project page: https://kirin-ani.github.io/.
• Abstract（参考訳）: 動物の動きを理解することは動物行動や生体力学をモデル化するための基礎であるが、この領域の進歩は、高品質な運動データが不足しているために人間の運動研究よりはるかに遅れている。 人間の動きは制御された環境で捉えることができるが、ほとんどの動物種にとって現実的ではないため、アニメーションのような下流のアプリケーションを制限する小さなドメイン制限データセットが作られる。 この課題に対処するために,映像から動きを再構築し,大規模に動きの先行を学習し,アニメーションの資産に直接適用可能な現実的な動きを生成するフレームワークであるKirinを紹介した。 AiM3Dは四足動物のためのビデオテキスト・モーション・タプルを提供する最初の大規模データセットである。 このデータセットに基づいて,動物種間の現実的な動きの生成を導くために,テキストと画像の両方を条件づけた視覚誘導運動生成モデルを構築した。 最後に,市販のイメージ・トゥ・3Dモデルを活用することで,生成した動きを用いて3Dメッシュを自動的にリグ・アニメーションし,アニメーション動物を製作する。 我々のデータセットとフレームワークは、大規模、テキストおよび画像調和された動物の動きの生成とアニメーションのための新しい基盤を確立する。 プロジェクトページ: https://kirin-ani.github.io/.com

関連論文リスト

• 3D Scene-Adaptive Trajectory-Controllable Human Image Animation with Camera Movement [51.22216867938034]
  映像生成のための再構成3次元環境において,人間の動作軌跡を制御できる3次元モーションアニメーションフレームワークを提案する。 我々は,視点適応型潜伏融合機構を設計し,映像視認性マスキングによる点-雲の幾何前兆を生成過程に注入する。 2つの標準的な人体画像アニメーションベンチマークデータセットによる実験は、関連する映像生成のメカティクスにおける芸術的状況に対する我々の手法の顕著な改善を実証している。
  論文  参考訳（メタデータ） (2026-06-29T16:22:54Z)
• Sketch2Motion: Text-driven 2D Sketch to 3D Animation via Diffusion-guided Skeleton Optimization [0.6445605125467574]
  2次元手描きスケッチのアニメーションは、視覚コミュニケーションに有効な媒体を提供する。 2Dスケッチを3Dアニメーションに変換するための最近のアプローチは、主に特定のタイプの動きに焦点を当てている。 骨格に基づく運動合成のための拡散誘導フレームワークであるSketch2Motionを提案する。
  論文  参考訳（メタデータ） (2026-05-27T12:32:07Z)
• Animating the Uncaptured: Humanoid Mesh Animation with Video Diffusion Models [71.78723353724493]
  ヒューマノイド文字のアニメーションは、様々なグラフィックス応用において不可欠である。 入力された静的な3次元ヒューマノイドメッシュの4次元アニメーションシーケンスを合成する手法を提案する。
  論文  参考訳（メタデータ） (2025-03-20T10:00:22Z)
• Motion-2-to-3: Leveraging 2D Motion Data to Boost 3D Motion Generation [43.915871360698546]
  人間の2Dビデオは、幅広いスタイルやアクティビティをカバーし、広範にアクセス可能なモーションデータのソースを提供する。 本研究では,局所的な関節運動をグローバルな動きから切り離し,局所的な動きを2次元データから効率的に学習する枠組みを提案する。 提案手法は,2次元データを効率的に利用し,リアルな3次元動作生成をサポートし,支援対象の動作範囲を拡大する。
  論文  参考訳（メタデータ） (2024-12-17T17:34:52Z)
• Puppet-Master: Scaling Interactive Video Generation as a Motion Prior for Part-Level Dynamics [79.4785166021062]
  本稿では,対話型ビデオジェネレータPuppet-Masterを紹介した。 Puppet-Masterは、他のモーションコンディショニングビデオジェネレータとは異なり、パートレベルのモーションを生成することを学習している。 Puppet-Masterはドメイン外の実際のイメージを一般化し、実世界のベンチマークで既存のメソッドよりも優れています。
  論文  参考訳（メタデータ） (2024-08-08T17:59:38Z)
• OmniMotionGPT: Animal Motion Generation with Limited Data [70.35662376853163]
  最初のテキストアニマルモーションデータセットであるAnimalML3Dを紹介した。 我々は,動物データに基づくヒトの動き生成ベースラインのトレーニング結果よりも定量的かつ質的に,高い多様性と忠実さで動物の動きを生成することができる。
  論文  参考訳（メタデータ） (2023-11-30T07:14:00Z)
• QS-Craft: Learning to Quantize, Scrabble and Craft for Conditional Human Motion Animation [66.97112599818507]
  本稿では,条件付きヒューマンモーションアニメーション(cHMA)の課題について検討する。 ソースイメージとドライビングビデオが与えられた場合、モデルは新しいフレームシーケンスをアニメーション化するべきである。 新たな3つの重要なステップは、量子化、スクラブル、クラフトだ。
  論文  参考訳（メタデータ） (2022-03-22T11:34:40Z)

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。