論文の概要: Mudragen: Geometrically Supervised Generation of Interacting Two-Hand Mudras for Preserving Indian Classical Dance Heritage

• arxiv url: http://arxiv.org/abs/2609.03415v1
• Date: Thu, 03 Sep 2026 06:23:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-04 18:28:38.942604
• Title: Mudragen: Geometrically Supervised Generation of Interacting Two-Hand Mudras for Preserving Indian Classical Dance Heritage
• Title（参考訳）: ムドラゲン:インド古典舞踊遺産保存のための相互作用する2本のムドラの生成を幾何学的に監督する
• Authors: Jagadish Kashinath Kamble, Jayanta Mukhopadhyay, Debaditya Roy, Partha Pratim Das,
• Abstract要約: textbfMudraGenは,textitSamyukta Hasta MudrasのリアルなRGB画像を合成する条件拡散フレームワークである。 単純なハンドサインやシングルハンドジェスチャに関する以前の作業とは異なり、MudraGenはジオメトリ対応の監視を導入している。 実験の結果, MudraGenは視覚リアリズム, 解剖学的正確性, 微細な手作り構造の保存において, 既存の最先端の生成アプローチを超越していることがわかった。
• 参考スコア（独自算出の注目度）: 7.2517314552144505
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Automatic generation of hand gestures is essential for the transmission of Indian classical dance and critical for its preservation. Indian classical dance gesture datasets are inherently low-resource, and the canonical Sanskrit definitions of many mudras lack precise textual descriptions, limiting the effectiveness of conventional text-conditioned image generation models. We present \textbf{MudraGen}, a conditional diffusion framework that synthesizes realistic RGB images of \textit{Samyukta Hasta Mudras} -- interactive two-hand gestures from Bharatanatyam (an Indian classical dance form). Unlike prior work on simple hand signs or single-hand gestures, MudraGen introduces geometry-aware supervision to capture the precise coordination, anatomical validity, and cultural nuance of interacting hands. We formulate three geometry-aware objectives: Keypoint Loss for 3D joint alignment, Joint Offset Loss for inter-hand spatial coherence, and Shape Consistency, which serves as an anatomical regularizer by encouraging consistent hand morphology while allowing independent hand poses. Together, these objectives guide the diffusion model toward anatomically plausible and well-coordinated hand configurations, enabling the synthesis of photorealistic and pose-accurate gesture images. Experimental results show that MudraGen surpasses existing state-of-the-art generative approaches in visual realism, anatomical correctness, and preservation of fine hand-pose structure, enabling faithful reproduction of complex Samyukta Hasta mudras. Beyond quantitative gains, its ability to generate culturally grounded and structurally consistent gestures highlights practical applications in cultural preservation and dance education.
• Abstract（参考訳）: ハンドジェスチャの自動生成は、インド古典舞踊の伝達に不可欠であり、その保存に不可欠である。 インドの伝統的なダンスジェスチャデータセットは本質的に低リソースであり、多くの泥岩の標準サンスクリット定義には正確なテキスト記述がなく、従来のテキスト条件の画像生成モデルの有効性が制限されている。 本研究では,Bharatanatyam(インドの古典舞踊形式)の対話的両手ジェスチャーであるtextit{Samyukta Hasta Mudras} のリアルな RGB 画像を合成する条件拡散フレームワークである \textbf{MudraGen} を提案する。 単純な手サインや片手ジェスチャーの以前の作業とは異なり、MumaraGenは、正確な調整、解剖学的妥当性、相互作用する手の文化的ニュアンスを捉えるために、幾何学的な監視を導入している。 3次元関節アライメントのためのキーポイントロス、ハンド空間コヒーレンスのためのジョイントオフセットロス、そして、独立した手ポーズを許容しながら、一貫した手形態を奨励し、解剖学的レギュラーライザとして機能する形状一貫性の3つの目的を定式化する。 これらの目的と共に、拡散モデルが解剖学的に可塑性で協調的な手の構成へと導かれ、フォトリアリスティックおよびポーズ精度のジェスチャー画像の合成が可能となる。 実験の結果, MudraGenは視覚リアリズム, 解剖学的正当性, 微細な手作り構造の保存において, 既存の最先端の遺伝子的アプローチを超越し, 複雑なSamyukta Hasta mudrasの忠実な再生を可能にした。 定量的なゲインを超えて、文化的基盤と構造的に整合したジェスチャーを生成する能力は、文化的保存とダンス教育における実践的な応用を浮き彫りにしている。

関連論文リスト

• Generating Key Postures of Bharatanatyam Adavus with Pose Estimation [7.2517314552144505]
  無形無形文化舞踊の保存は、何世紀にもわたって伝統に根ざし、厳密な構造と象徴的な規則によって統治された。 このうち、バーラタナティアムは、定型化されたアダヴスと正確な重要な姿勢に重点を置いている。 本稿では,ポーズ推定モジュールと統合されたポーズ認識生成フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-31T10:51:58Z)
• SesaHand: Enhancing 3D Hand Reconstruction via Controllable Generation with Semantic and Structural Alignment [38.103458669002684]
  生成モデルは多様な手画像を生成するための有望な代替手段である。 本稿ではセサHandを提案する。セサHandはセマンティックと構造的アライメントの両面から手動画像を生成する。 実験により,本手法は, 生成性能の向上だけでなく, 生成した手動画像による手動3次元再構成も向上することが示された。
  論文  参考訳（メタデータ） (2026-02-28T03:51:51Z)
• UniMorphGrasp: Diffusion Model with Morphology-Awareness for Cross-Embodiment Dexterous Grasp Generation [63.13144787866563]
  クロス・エボディメント・グルーピングは、異種キネマティック構造を持つロボットハンドに対して、安定かつ多様なグルーピングを生成することを目的としている。 ハンドモーフィック情報をグリップ生成プロセスに組み込んだ拡散型フレームワークである textbfUniMorphGrasp を提案する。 UniMorphGraspは、既存のデクスタラスグリップベンチマークで最先端のパフォーマンスを達成し、以前は目に見えない手の構造に対して強力なゼロショットの一般化を示す。
  論文  参考訳（メタデータ） (2026-01-31T21:56:16Z)
• TOUCH: Text-guided Controllable Generation of Free-Form Hand-Object Interactions [66.08264566003048]
  Free-Form HOI Generationは、きめ細かいインテントで調整された制御可能な、多様性があり、物理的に妥当なHOIを生成することを目的としている。 われわれはWildO2を構築した。WildO2は、インターネットビデオから派生した多様なHOIを含む3D HOIデータセットである。 本データセットをベースとしたTOUCHは,多目的手ポーズを生成するための細粒度セマンティック制御を容易にする3段階フレームワークである。
  論文  参考訳（メタデータ） (2025-10-16T16:52:58Z)
• HanDiffuser: Text-to-Image Generation With Realistic Hand Appearances [34.50137847908887]
  テキスト・ツー・イメージ生成モデルは高品質な人間を生み出すことができるが、現実主義は手を生成する際に失われる。 一般的なアーティファクトには、不規則な手ポーズ、形、不正確な指の数、物理的に不明瞭な指の向きなどがある。 そこで我々はHanDiffuserという新しい拡散型アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2024-03-04T03:00:22Z)
• DisCo: Disentangled Control for Realistic Human Dance Generation [125.85046815185866]
  ダンス合成の合成性を改善するために,不整合制御をもつ新しいモデルアーキテクチャであるdisCOを導入する。 DisCcは、さまざまな外観と柔軟な動きを持つ高品質な人間のダンス画像やビデオを生成することができる。
  論文  参考訳（メタデータ） (2023-06-30T17:37:48Z)
• HandNeRF: Neural Radiance Fields for Animatable Interacting Hands [122.32855646927013]
  神経放射場(NeRF)を用いて手の動きを正確に再現する新しい枠組みを提案する。 我々は,提案するHandNeRFのメリットを検証するための広範囲な実験を行い,その成果を報告する。
  論文  参考訳（メタデータ） (2023-03-24T06:19:19Z)
• Imposing Temporal Consistency on Deep Monocular Body Shape and Pose Estimation [67.23327074124855]
  本稿では,適合過程における時間的制約の統合に対するエレガントな解法を提案する。 我々は、顎ポーズ、表情、指ポーズを含む人物の形状と動きを表す一連の身体モデルのパラメーターを導出する。 本手法は,表情や手話を含む画像系列からリアルな3次元体モデルの導出を可能にする。
  論文  参考訳（メタデータ） (2022-02-07T11:11:55Z)

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。