論文の概要: MorphoStyle: Motion Style Transfer with Morphology Control
- arxiv url: http://arxiv.org/abs/2609.14189v1
- Date: Sat, 12 Sep 2026 23:40:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 07:15:05.758117
- Title: MorphoStyle: Motion Style Transfer with Morphology Control
- Title（参考訳）: MorphoStyle: 形態制御による運動スタイルの伝達
- Abstract要約: 形状認識型モーションスタイル転送のためのフレームワークであるMorphoStyleを提案する。
MorphoStyleは形状条件付き有限-Scalar-Quantization Variational Auto-Encoder上に構築されている。
- 参考スコア（独自算出の注目度）: 15.706942166849288
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Human motion may be viewed as a combination of action content, style, and body morphology. Existing motion style transfer methods transfer a reference style onto a content motion while assuming a canonical body, whereas shape-aware motion generators adapt motion to a target shape without explicit style control. This separation of motion style and shape (morphology) makes it difficult to generate stylized motions for non-canonical bodies; naively combining a style transfer module with a shape-aware generator often leaks action content from the style reference and disrupts shape-consistent kinematics. We present MorphoStyle, a framework for shape-aware motion style transfer that is built on a shape-conditioned Finite-Scalar-Quantization Variational Auto-Encoder (FSQ-VAE). The key contribution is to pose the desired style transfer as modular latent disentanglement comprising: (i) a contrastive style encoder that extracts content-decoupled style embeddings; (ii) a text-guided style-routing mechanism that locates style-relevant joints in a text-motion feature space; and (iii) a manifold preserving style modulator that injects discriminative style embeddings in content features as a temporally-gated low-rank offset. Extensive experiments on benchmark datasets demonstrate that MorphoStyle outperforms competing baselines in terms of both shape control and motion style transfer, while simultaneously providing quantitative shape control. For more details, please see project website: https://github.com/funkdub/MorphoStyle.
- Abstract（参考訳）: 人間の動きは、行動内容、スタイル、身体形態の組合せと見なすことができる。
既存の動作スタイル転送方式では、標準体を仮定しながら参照スタイルをコンテンツ動作に転送するのに対し、形状認識モーションジェネレータは、明示的なスタイル制御なしでターゲット形状に適応する。
この動きスタイルと形状(形態)の分離は、非標準体のためのスタイル化された動きを生成するのを難しくし、スタイル伝達モジュールと形状認識ジェネレータの組み合わせは、しばしばスタイル参照からアクション内容が漏れ、形状一貫性キネマティクスを乱す。
形状条件付きFinite-Scalar-Quantization Variational Auto-Encoder (FSQ-VAE) 上に構築した形状認識型モーションスタイルトランスファーのフレームワークであるMorphoStyleを提案する。
鍵となる貢献は、以下のモジュールラテント非絡みとして、所望のスタイル転送を行うことである。
(i)コンテンツ分離型埋め込みを抽出するコントラスト型エンコーダ
(二 テキスト移動特徴空間におけるスタイル関連関節の位置を特定するテキスト誘導型スタイルルーティング機構
三 時間的にゲートされた低ランクオフセットとしてコンテンツ特徴に差別的スタイル埋め込みを注入する多様体保存スタイル変調器。
ベンチマークデータセットの大規模な実験により、MorphoStyleは、定量的な形状制御を同時に提供しながら、形状制御とモーションスタイル転送の両方の観点から競合するベースラインより優れていることが示された。
詳細はプロジェクトのWebサイトを参照してください。
関連論文リスト
- Flexible Motion Generation from Language and Style References [8.863552570164048]
自然言語記述と動作スタイル参照の両方を条件としたフレキシブルなヒューマンモーション合成のためのフレームワークFlexMoGenを紹介する。
スタイルの例クリップは、ニュアンスされた動作特性を直接伝達することでテキストを補完し、モデルが高レベルな意図を維持できる。
実験によると、FlexMoGenはコンテンツの忠実度とスタイルのリフレクションの最良のバランスを達成する。
論文 参考訳（メタデータ） (2026-09-07T22:28:44Z) - VISTA: Triplet-Supervised Video Style Transfer with Diffusion Transformers [55.10832054417015]
VISTA-1000は1000のスタイルと、スタイル参照、クリーンビデオ、スタイリングビデオのモーションアラインなトリプレットを備えたデータセットである。
本稿では,高機能なスタイル抽出のための軽量なスタイルアダプタを用いた拡散変換器を用いたインコンテクスト型動画転送フレームワークを提案する。
論文 参考訳（メタデータ） (2026-05-17T08:03:53Z) - VQ-Style: Disentangling Style and Content in Motion with Residual Quantized Representations [21.963237916505175]
本研究では,人間の動作データにおけるスタイルと内容の効果的な切り離し手法を提案する。
我々のアプローチは、内容が粗い動きの属性に対応し、スタイルはより細かで表現力のある詳細をキャプチャする、という洞察に導かれる。
単純かつ効果的な推論時間手法であるQuantized Code Swappingを用いて,この不整合表現を利用する。
論文 参考訳（メタデータ） (2026-02-02T16:58:17Z) - ClusterStyle: Modeling Intra-Style Diversity with Prototypical Clustering for Stylized Motion Generation [33.75564496181951]
本稿では,クラスタリングベースのフレームワークであるClusterStyleを提案する。
プロトタイプの集合を利用して、同じスタイルカテゴリに属する動きをまたいだ多様なスタイルパターンをモデル化する。
提案手法は,スタイル化された動作生成と動作スタイルの伝達において,既存の最先端モデルよりも優れている。
論文 参考訳（メタデータ） (2025-12-02T06:24:14Z) - AStF: Motion Style Transfer via Adaptive Statistics Fusor [58.660938790014455]
本稿では,SDM(Style Distemporalment Module)とHO-SAttn(High-Order Multi-Statistics Attention)を組み合わせた適応統計ファサー(Adaptive Statistics Fusor)を提案する。
実験結果から,より包括的なモデルを提供することで,最先端技術よりも動作スタイルの習熟度が向上することが示唆された。
論文 参考訳（メタデータ） (2025-11-06T08:51:24Z) - StyleMotif: Multi-Modal Motion Stylization using Style-Content Cross Fusion [14.213279927964903]
StyleMotifはStylized Motion Latent Diffusionモデルである。
複数のモダリティからコンテンツとスタイルの両方に条件付けされた動作を生成する。
論文 参考訳（メタデータ） (2025-03-27T17:59:46Z) - SOYO: A Tuning-Free Approach for Video Style Morphing via Style-Adaptive Interpolation in Diffusion Models [54.641809532055916]
本稿では,ビデオスタイルモーフィングのための新しい拡散型フレームワークであるSOYOを紹介する。
本手法では, 微調整を伴わずに事前訓練したテキスト・画像拡散モデルを用い, 注意注入とAdaINを併用して構造的整合性を維持する。
ビデオフレーム間の調和を図るために,2種類の画像間の適応型サンプリングスケジューラを提案する。
論文 参考訳（メタデータ） (2025-03-10T07:27:01Z) - SMooDi: Stylized Motion Diffusion Model [46.293854851116215]
本稿では、コンテンツテキストとスタイルシーケンスによって駆動されるスタイル化された動作を生成するための、SMooDiと呼ばれる新しいスティル化モーション拡散モデルを提案する。
提案手法は,従来のスタイル化動作生成手法よりも優れていた。
論文 参考訳（メタデータ） (2024-07-17T17:59:42Z) - MoST: Motion Style Transformer between Diverse Action Contents [23.62426940733713]
そこで本研究では,コンテンツからスタイルを効果的に切り離し,ソースモーションから転送されたスタイルを持つ可視動作を生成する新しい動き変換器を提案する。
提案手法は既存の手法より優れており,特に異なる内容のモーションペアにおいて,後処理を必要とせず,非常に高品質であることを示す。
論文 参考訳（メタデータ） (2024-03-10T14:11:25Z) - MotionCrafter: One-Shot Motion Customization of Diffusion Models [66.44642854791807]
ワンショットのインスタンス誘導モーションカスタマイズ手法であるMotionCrafterを紹介する。
MotionCrafterは、基準運動をベースモデルの時間成分に注入する並列時空間アーキテクチャを採用している。
トレーニング中、凍結ベースモデルは外見の正規化を提供し、運動から効果的に外見を分離する。
論文 参考訳（メタデータ） (2023-12-08T16:31:04Z) - Unpaired Motion Style Transfer from Video to Animation [74.15550388701833]
1つのアニメーションクリップからもう1つのアニメーションクリップへモーションスタイルを転送する一方で、後者のモーションコンテンツを保存することは、キャラクターアニメーションにおいて長年の課題であった。
本稿では,スタイルラベル付き動きの集合から学習する動きスタイル伝達のための新しいデータ駆動フレームワークを提案する。
本フレームワークでは,映像から直接動作スタイルを抽出し,3次元再構成をバイパスし,これらを3次元入力動作に適用することができる。
論文 参考訳（メタデータ） (2020-05-12T13:21:27Z)
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。