論文の概要: UniMate: One Unified Model to Animate Diverse Skeletons

• arxiv url: http://arxiv.org/abs/2609.05415v1
• Date: Fri, 04 Sep 2026 17:59:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-07 18:15:24.150139
• Title: UniMate: One Unified Model to Animate Diverse Skeletons
• Title（参考訳）: UniMate: 異種骨格を解剖する統一モデル
• Abstract要約: 任意の骨格の関節運動を3Dアセットとテキストプロンプトから合成する基礎モデルUniMateを提案する。 UniMateは、骨格トポロジを注意に組み込むトポロジ対応拡散トランスフォーマーを導入している。 また,二足歩行,四足歩行,鳥類,海産,昆虫型,セルペンチン,関節状固形物を対象とし,UniML3D,13,006の運動配列を治療した。
• 参考スコア（独自算出の注目度）: 22.957889325110912
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent advances in automatic rigging now deliver animation-ready 3D assets at scale, yet generating the motion to drive them remains a bottleneck. Existing learned animators are topology-constrained: they rely on category-specific templates or require per-skeleton fine-tuning and reference motions at inference. We present UniMate, a unified foundation model that synthesizes articulated motion for arbitrary skeletons from a rigged 3D asset and a text prompt, with no test-time optimization or per-skeleton retraining. UniMate introduces a topology-aware diffusion transformer, which integrates skeletal topology into attention via three mechanisms: (1) a graph-aware attention bias from pairwise joint relations and geodesic distances; (2) a spectral rotary position embedding generalizing RoPE to arbitrary kinematic trees via the graph Laplacian; and (3) a global topological conditioner attention-pooled from the rest-pose skeleton. We also curate UniML3D, 13,006 motion sequences spanning bipedal, quadrupedal, avian, marine, insectoid, serpentine, and articulated rigid objects with unified canonicalization and text pairing. Trained on this dataset, UniMate outperforms state-of-the-art baselines in quality, generalization, and efficiency, and supports zero-shot cross-topology transfer, in-betweening, expansion, and text-guided editing. Our project page is available at https://linzhanmou.com/unimate/.
• Abstract（参考訳）: 自動リギングの最近の進歩は、アニメーション対応の3Dアセットを大規模に提供しているが、それらを駆動する動きはボトルネックのままである。 既存の学習アニメーターはトポロジに制約され、カテゴリー固有のテンプレートに依存するか、推論時にスケルトンごとの微調整と参照動作を必要とする。 実験時間最適化や骨格ごとの再トレーニングを行なわず,任意の骨格の関節運動を3次元アセットとテキストプロンプトから合成する統一基盤モデルUniMateを提案する。 両関節関係と測地線距離からのグラフ認識の注意バイアス,(2)RoPEを任意のキネマティックツリーにグラフラプラシアンを介して一般化するスペクトル回転位置埋め込み,(3)静止骨格からのグローバルなトポロジカルコンディショナーの注意プールの3つのメカニズムにより,骨格トポロジを注意に組み込むトポロジ対応拡散トランスフォーマを導入している。 また,2足歩行,四足歩行,鳥類,海生,昆虫型,サルペンチン,関節状固形物にまたがる13,006の運動配列を統一的正準化とテキストペアリングでキュレートした。 このデータセットに基づいてトレーニングされたUniMateは、品質、一般化、効率において最先端のベースラインを上回り、ゼロショットのクロストポロジー転送、内装、拡張、テキストガイド編集をサポートする。 私たちのプロジェクトページはhttps://linzhanmou.com/unimate/.comで公開されている。

関連論文リスト

• SAMoR: Motion Modelling for Articulated Objects of Any Skeleton and Topology [46.893067487418314]
  本稿では,各動作セグメントを小さな固定数として符号化するクロストポロジー運動表現であるSAMoRを紹介する。 グラフ変換器エンコーダは、関節運動特徴、運動グラフ構造、結合名埋め込みを消費し、それを部分レベルトークンに圧縮する。 部分クエリが冗長なグローバル表現に崩壊しないように、トポロジーに依存しない注意監視損失を導入する。
  論文  参考訳（メタデータ） (2026-07-02T13:24:47Z)
• TopoCap: Learning Topology-Agnostic Motion Priors for Monocular Video-to-Animation [44.79819257609757]
  TopoCapはモノクロビデオから動きを抽出し、任意の骨格トポロジで文字に書き込むことができる最初の統合フレームワークである。 我々の重要な洞察は、骨格構造は離散的であるが、運動の基盤となる物理学は連続的で低次元の多様体を占有しているということである。 この洞察を、2段階の生成パイプラインを通じて実現します。
  論文  参考訳（メタデータ） (2026-06-10T14:41:19Z)
• MotionDreamer: Universal Skeletal Motion Generation for 3D Rigged Shapes [52.45449797329548]
  MotionDreamerは、2Dビデオガイダンスからカテゴリに依存しない骨格アニメーションを生成するための拡散ベースのフレームワークである。 本研究では,2次元視覚運動キューとヘテロジニアスな3次元骨格構造とのギャップを埋める構造的意味注入機構を提案する。 提案手法は既存の手法を著しく上回り、堅牢で効率的な4Dアセット生成のための最先端のベンチマークを新たに設定する。
  論文  参考訳（メタデータ） (2026-06-01T00:42:31Z)
• AniGen: Unified $S^3$ Fields for Animatable 3D Asset Generation [64.1405325883561]
  AniGenは、単一画像上に条件付きアニメーション対応の3Dアセットを直接生成する統合フレームワークである。 私たちの重要な洞察は、共有空間領域上で定義されたS3$ Fields(Shape, Skeleton, Skin)として、形状、骨格、スキン化を表現することです。 AniGenは、リグの妥当性とアニメーションの品質において、最先端のシーケンシャルベースラインを大幅に上回っている。
  論文  参考訳（メタデータ） (2026-04-09T20:22:06Z)
• Topology-Agnostic Animal Motion Generation from Text Prompt [16.557163253248817]
  OmniZooは140種32,979配列にまたがる大規模動物運動データセットである。 本稿では,任意の骨格トポロジに対してテキスト駆動動作を生成可能な,一般化された自己回帰運動生成フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-12-11T07:08:29Z)
• Puppeteer: Rig and Animate Your 3D Models [105.11046762553121]
  Puppeteerは、さまざまな3Dオブジェクトの自動リギングとアニメーションの両方に対処する包括的なフレームワークである。 本システムはまず, 自己回帰変換器を用いて, 可塑性骨格構造を推定する。 その後、注意に基づくアーキテクチャにより、皮膚の重量を推定する。
  論文  参考訳（メタデータ） (2025-08-14T17:59:31Z)
• AnyTop: Character Animation Diffusion with Any Topology [54.07731933876742]
  我々は,異なる動きダイナミクスを持つ多種多様な文字に対する動きを生成する拡散モデルであるAnyTopを紹介する。 我々の研究は、任意の骨格学習に適したトランスフォーマーベースの認知ネットワークを特徴としている。 我々の評価では、AnyTopsはトポロジー当たりのトレーニング例が3つも少なく、見えない骨格の運動も生成できる。
  論文  参考訳（メタデータ） (2025-02-24T17:00:36Z)
• MotioNet: 3D Human Motion Reconstruction from Monocular Video with Skeleton Consistency [72.82534577726334]
  モノクロビデオから3次元人間の骨格の動きを直接再構成するディープニューラルネットワークであるMotioNetを紹介した。 本手法は,動作表現を完全かつ一般的に使用するキネマティックスケルトンを直接出力する最初のデータ駆動型手法である。
  論文  参考訳（メタデータ） (2020-06-22T08:50:09Z)

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。