論文の概要: Latent Dataset Distillation for Human Motion Prediction

• arxiv url: http://arxiv.org/abs/2609.26430v1
• Date: Tue, 22 Sep 2026 13:54:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-24 01:05:39.679003
• Title: Latent Dataset Distillation for Human Motion Prediction
• Title（参考訳）: 人間の動作予測のための潜在データセット蒸留
• Abstract要約: 人間の動きは高次元かつ構造的に結合しており、元の動き空間における勾配マッチング(GM)は、ポーズの可視性や時間的ダイナミクスに先立って、多くの相関変数を最適化する。 本稿では, 学習前の動作で蒸留を正則化する潜在DDフレームワークを提案する。まず, 残留量子化変分オートエンコーダ(RVQ-VAE)を用いて動作を圧縮し, 凍結した量子化器と復号器を介して学習可能な潜時バンクのみを更新する。
• 参考スコア（独自算出の注目度）: 36.88374979634182
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Dataset distillation (DD) compresses a large training set into a compact synthetic set while preserving downstream training utility. Although DD has been widely studied for images and recently extended to time-series forecasting, its application to human motion prediction remains largely unexplored. Human motion is high-dimensional and structurally coupled, and gradient matching (GM) in the original motion space optimizes many correlated variables without a prior on pose plausibility or temporal dynamics, which frequently yields implausible and unstable synthetic motions. To address this limitation, we propose a latent DD framework that regularizes distillation with a learned motion prior. Motions are first compressed by a residual-quantized variational autoencoder (RVQ-VAE), and distillation then updates only a learnable latent bank through the frozen quantizer and decoder. The pretrained decoder restricts synthetic motions to its output space, while residual quantization progressively refines the latent approximation across multiple codebooks and alleviates the representational bottleneck of single-stage vector quantization. Experiments on Human3.6M, CMU, and 3DPW with two prediction backbones show that the proposed framework outperforms direct GM in 27 of 30 evaluated settings and random subsets in every setting, and produces visibly more plausible synthetic motions in qualitative comparisons.
• Abstract（参考訳）: データセット蒸留(DD)は、下流トレーニングユーティリティを保持しながら、大規模なトレーニングセットをコンパクトな合成セットに圧縮する。 DDは画像に対して広く研究されており、近年は時系列予測にも拡張されているが、人間の動き予測への応用は未解明のままである。 人間の動きは高次元かつ構造的に結合しており、元の動き空間における勾配マッチング(GM)は、ポーズの可視性や時間的ダイナミクスに先行せずに多くの相関変数を最適化し、しばしば不明瞭で不安定な合成運動をもたらす。 この制限に対処するため, 蒸留を学習前の動作で規則化する潜在DDフレームワークを提案する。 動作は残留量子化変分オートエンコーダ(RVQ-VAE)によって最初に圧縮され、蒸留は凍結量子化器と復号器を通して学習可能な潜水バンクのみを更新する。 事前訓練されたデコーダは合成運動を出力空間に制限する一方、残留量子化は複数のコードブックにまたがる潜在近似を徐々に洗練し、単一ステージベクトル量子化の表現的ボトルネックを緩和する。 2つの予測バックボーンによるHuman3.6M, CMU, 3DPWの実験により、提案フレームワークは、各設定で評価された設定とランダムなサブセットにおいて、直接GMよりも優れており、質的な比較において、より可視的な合成運動が生じることが示された。

関連論文リスト

• MotionVLA: Vision-Language-Action Model for Humanoid Motion [54.785960777274276]
  動作をベースストリームと物理ストリームに分離するデュアルストリーム周波数トークンであるDSFTを提案する。 また、ベースおよび物理トークンを統一シーケンスに配置するQwen3.5ベースのモデルであるMotionVLAを提案する。
  論文  参考訳（メタデータ） (2026-06-13T06:10:48Z)
• TeZO: Empowering the Low-Rankness on the Temporal Dimension in the Zeroth-Order Optimization for Fine-tuning LLMs [58.19080159470868]
  モデルと時間次元の両方にわたって低ランク度をキャプチャする新しい低ランクZO推定器TeZOを提案する。 具体的には、時間次元に沿ったZO摂動を3次元テンソルとして表現し、Canonical Polyadic Decomposition (CPD)を用いて各低ランク2次元行列を抽出する。
  論文  参考訳（メタデータ） (2025-01-31T11:34:03Z)
• ALOcc: Adaptive Lifting-Based 3D Semantic Occupancy and Cost Volume-Based Flow Predictions [91.55655961014027]
  シーン理解には3次元セマンティック占有とフロー予測が不可欠である。 本稿では,3つの改善点を目標とした視覚ベースのフレームワークを提案する。 我々の純粋な畳み込みアーキテクチャは、セマンティック占有率とジョイントセマンティックフロー予測の両方のために、複数のベンチマーク上で新しいSOTA性能を確立する。
  論文  参考訳（メタデータ） (2024-11-12T11:32:56Z)
• Text-guided 3D Human Motion Generation with Keyframe-based Parallel Skip Transformer [62.29951737214263]
  既存のアルゴリズムは、コストがかかりエラーを起こしやすい全シーケンスを直接生成する。 本稿では,入力テキストに対応する人間の動作系列を生成するKeyMotionを提案する。 我々は,自動エンコーダを潜在空間に投影するために,Kullback-Leibler正規化付き変分符号器(VAE)を用いる。 逆拡散のために,デザインラテントとテキスト条件の相互参照を行う新しいパラレルスキップ変換器を提案する。
  論文  参考訳（メタデータ） (2024-05-24T11:12:37Z)
• Spatial-Temporal Transformer based Video Compression Framework [44.723459144708286]
  本稿では,STT-VC(Spatial-Temporal Transformer based Video Compression)フレームワークを提案する。 動作推定と補償のためのオフセット推定のためのUformerベースのオフセット推定を備えたRelaxed Deformable Transformer (RDT)と、予測改善のためのマルチ参照フレームに基づくMulti-Granularity Prediction (MGP)モジュールと、時間空間的継手残留圧縮を効率的に行うSpatial Feature Distribution prior based Transformer (SFD-T)を含む。 実験の結果,VTMよりも13.5%のBD-Rateを節約できることがわかった。
  論文  参考訳（メタデータ） (2023-09-21T09:23:13Z)
• TransFusion: A Practical and Effective Transformer-based Diffusion Model for 3D Human Motion Prediction [1.8923948104852863]
  本研究では,3次元動作予測のための革新的で実用的な拡散モデルであるTransFusionを提案する。 我々のモデルは、浅い層と深い層の間の長いスキップ接続を持つバックボーンとしてTransformerを活用している。 クロスアテンションや適応層正規化のような余分なモジュールを利用する従来の拡散モデルとは対照的に、条件を含む全ての入力をトークンとして扱い、より軽量なモデルを作成する。
  論文  参考訳（メタデータ） (2023-07-30T01:52:07Z)
• CoMusion: Towards Consistent Stochastic Human Motion Prediction via Motion Diffusion [6.862357145175449]
  本稿では,単一段階の終端拡散型HMPフレームワークであるCoMusionを提案する。 CoMusionは、スムーズな将来のポーズ予測性能が空間予測性能を改善するという洞察から着想を得ている。 提案手法はTransformer-GCNモジュール設計と分散スケジューラによって促進され,精度,現実性,一貫した動作を予測する。
  論文  参考訳（メタデータ） (2023-05-21T19:31:56Z)
• Human Joint Kinematics Diffusion-Refinement for Stochastic Motion Prediction [22.354538952573158]
  MotionDiffは、人間の関節のキネマティクスを加熱粒子として扱う拡散確率モデルである。 MotionDiffは、多種多様な可塑性運動を生成する空間時間変換器ベースの拡散ネットワークと、出力をさらに洗練するためのグラフ畳み込みネットワークの2つの部分で構成されている。
  論文  参考訳（メタデータ） (2022-10-12T07:38:33Z)
• Motion Prediction Using Temporal Inception Module [96.76721173517895]
  人間の動作を符号化するTIM(Temporal Inception Module)を提案する。 本フレームワークは,異なる入力長に対して異なるカーネルサイズを用いて,畳み込み層を用いて入力埋め込みを生成する。 標準的な動き予測ベンチマークデータセットであるHuman3.6MとCMUのモーションキャプチャデータセットの実験結果から,我々の手法は一貫して技術手法の状態を上回ります。
  論文  参考訳（メタデータ） (2020-10-06T20:26:01Z)

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。