論文の概要: Motion Style Slider: Endpoint-Supervised Continuous Style Control for Human Motion Diffusion

• arxiv url: http://arxiv.org/abs/2609.30795v1
• Date: Fri, 25 Sep 2026 04:20:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 18:27:51.227619
• Title: Motion Style Slider: Endpoint-Supervised Continuous Style Control for Human Motion Diffusion
• Title（参考訳）: モーションスタイルスライダ:人間のモーション拡散のためのエンドポイントスーパービジョン連続スタイル制御
• Abstract要約: Motion Style Slider(モーション・スタイル・スライダ)は、エンドポイント管理された連続制御のためのモーション・ツー・モーション・スタイル・トランスファー・フレームワークである。 我々のフレームワークは、事前訓練された動き拡散バックボーンと互換性があり、異種スタイルのデータセットをサポートしている。
• 参考スコア（独自算出の注目度）: 12.276591105563979
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Existing human motion diffusion methods provide strong motion generation quality, and recent style transfer models can inject target style cues, but fine-grained continuous control of style intensity remains underexplored. In production, style intensity is subjective across artists and directors, so the practical requirement is not a universal absolute unit, but a reliable monotonic control axis. We propose Motion Style Slider, a motion-to-motion style transfer framework for endpoint-supervised continuous control. Given a content motion and a style motion, we construct a style direction in a learned motion-style embedding space and condition diffusion generation with a scalar intensity. The training objective combines diffusion denoising with latent intensity regularization to encourage smooth and monotonic style scaling without requiring intermediate-intensity ground-truth motions. Our framework is compatible with pretrained motion diffusion backbones and supports heterogeneous style datasets, including the multi-actor style motion dataset. To test out-of-range usability, we additionally introduce a small real-capture over-reaction extension and evaluate large-intensity behavior against these unseen targets. Experiments measure controllability, interpolation/extrapolation behavior, content preservation, and motion realism, with ablations on direction construction and loss design.
• Abstract（参考訳）: 既存の人間の動き拡散法は、強い動き生成品質を提供し、最近のスタイル伝達モデルは、ターゲットスタイルの手がかりを注入することができるが、スタイル強度のきめ細かい連続的な制御は、まだ探索されていない。 プロダクションでは、スタイルインテンシティはアーティストや監督の間で主観的であるため、実用要件は普遍的な絶対単位ではなく、信頼できる単調制御軸である。 終端監視型連続制御のためのモーション・ツー・モーション・スタイル・トランスファー・フレームワークであるモーション・スタイル・スライダを提案する。 コンテンツの動きとスタイルの動きが与えられた場合、学習された動きスタイルの埋め込み空間にスタイル方向を構築し、スカラー強度で条件拡散を生成する。 トレーニング目的は拡散デノナイジングと遅延強度正規化を組み合わせることで、中間強度の接地トラス運動を必要とせず、滑らかで単調なスタイルのスケーリングを促進する。 我々のフレームワークは、事前訓練されたモーション拡散バックボーンと互換性があり、マルチアクタースタイルのモーションデータセットを含む異種スタイルのデータセットをサポートしている。 範囲外ユーザビリティをテストするために、我々は、より小さなリアルキャプチャオーバーアクション拡張を導入し、これらの未確認ターゲットに対して大きな強度挙動を評価する。 実験は、制御性、補間・外挿行動、コンテンツ保存、動きリアリズムを計測し、方向構築と損失設計に重点を置いている。

関連論文リスト

• IM-Animation: An Implicit Motion Representation for Identity-decoupled Character Animation [58.297199313494]
  インプシット法は、動画から直接動作の意味をキャプチャするが、動作と外観の絡み合いやアイデンティティの漏洩に悩まされる。 本稿では,フレームごとの動作をコンパクトな1次元モーショントークンに圧縮する新しい暗黙の動作表現を提案する。 本手法では,3段階のトレーニング戦略を用いて,トレーニング効率を高め,高い忠実性を確保する。
  論文  参考訳（メタデータ） (2026-02-07T11:17:20Z)
• 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)
• Towards Synthesized and Editable Motion In-Betweening Through Part-Wise Phase Representation [29.62788252114547]
  スタイル付きモーションはコンピュータのアニメーションやゲームには不可欠だ。 身体部分レベルでの動作スタイルをモデル化する新しいフレームワークを提案する。 我々のアプローチはよりニュアンスで表現力のあるアニメーションを可能にする。
  論文  参考訳（メタデータ） (2025-03-11T08:44:27Z)
• Mojito: Motion Trajectory and Intensity Control for Video Generation [79.85687620761186]
  本稿では,テキスト・ビデオ生成のための運動軌跡と強度制御の両方を組み込んだ拡散モデルであるMojitoを紹介する。 実験は, 高精度な軌道制御と強度制御を高い計算効率で実現する上で, モジトの有効性を実証する。
  論文  参考訳（メタデータ） (2024-12-12T05:26:43Z)
• Decoupling Contact for Fine-Grained Motion Style Transfer [21.61658765014968]
  モーションスタイルの転送は、その内容を維持しながら動きのスタイルを変え、コンピュータアニメーションやゲームに有用である。 動作スタイルの伝達において、接触を分離して制御し、きめ細かい制御を行う方法は不明である。 本研究では,触覚の自然な動きと時空間変動を両立させながら,接触のきめ細かい制御を行う新しいスタイル伝達法を提案する。
  論文  参考訳（メタデータ） (2024-09-09T07:33:14Z)
• SMCD: High Realism Motion Style Transfer via Mamba-based Diffusion [12.426879081036116]
  モーションスタイルの転送により、仮想デジタル人間は同じ動きの異なるスタイルを素早く切り替えることができる。 既存の手法の多くは2ストリーム構造を採用しており、内容とスタイルの動作の本質的な関係を無視する傾向にある。 コンテンツとスタイルの両方から特徴を同時に抽出するUMSD(Unified Motion Style Diffusion)フレームワークを提案する。 また,動作スタイル変換の分野における最初のアプローチである運動スタイル・マンバ(MSM)デノイザを導入し,マンバの強力なシーケンスモデリング能力を活用する。
  論文  参考訳（メタデータ） (2024-05-05T08:28:07Z)
• 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)

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。