論文の概要: MotionSpaceFlow: Representation-Aware Flow Matching in Direct Motion Space

• arxiv url: http://arxiv.org/abs/2609.34190v1
• Date: Mon, 28 Sep 2026 03:05:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 23:02:15.789857
• Title: MotionSpaceFlow: Representation-Aware Flow Matching in Direct Motion Space
• Title（参考訳）: MotionSpaceFlow: 直接運動空間における表現認識フローマッチング
• Abstract要約: MotionSpaceFlow(MSFlow)は、学習したエンコーダやデコーダを使わずに、連続的な動き空間で直接クリーンな動きを予測する、表現対応のフローマッチングフレームワークである。 MSFlowは、さまざまなデータセットとモーション表現をまたいだ最先端のテキスト間パフォーマンスを実現する。
• 参考スコア（独自算出の注目度）: 21.26677650704416
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent advances in diffusion and flow models have substantially improved text-driven human motion generation. Yet most methods generate in low-dimensional, temporally downsampled latent spaces learned primarily for reconstruction, a bottleneck that can limit generation quality and preclude direct manipulation of individual frames and joints. We introduce MotionSpaceFlow (MSFlow), a representation-aware flow-matching framework that predicts clean motion directly in continuous motion space without a learned encoder or decoder. To account for the anisotropic structure of direct motion representations, we propose representation-aware noise scaling and show how the initial Gaussian source scale governs the covariance of intermediate probability-path marginals. We further introduce a Representation-Aware Multimodal Diffusion Transformer (RA-MMDiT), which jointly updates token-level language and full-resolution motion features through joint attention while adapting temporal information flow to the motion representation: causal attention for incremental features defined by frame-to-frame changes, and bidirectional attention for global features such as absolute joint coordinates. Across different datasets and motion representations, MSFlow achieves state-of-the-art text-to-motion performance. Its global representation variant additionally enables zero-shot, inference-time control over any joint or frame through projection sampling without control-conditioned training, delivering leading motion quality with exact constraint satisfaction.
• Abstract（参考訳）: 近年の拡散・流動モデルの発展により, テキスト駆動型人体運動生成が大幅に向上した。 しかし、ほとんどの手法は、主に再構成のために学んだ、低次元で時間的にサンプル化された潜伏空間で生成し、生成品質を制限し、個々のフレームや関節を直接操作することを妨げるボトルネックとなる。 我々は,学習エンコーダやデコーダを使わずに,連続的な動き空間内でのクリーンな動きを直接予測する表現対応フローマッチングフレームワークであるMotionSpaceFlow(MSFlow)を紹介した。 直接運動表現の異方性構造を考慮し、表現対応ノイズスケーリングを提案し、初期ガウス音源スケールが中間確率パス境界の共分散をどのように支配するかを示す。 さらに、フレーム・ツー・フレームの変更によって定義されるインクリメンタルな特徴に対する因果的注意、絶対的な関節座標などのグローバルな特徴に対する双方向の注意など、時間的情報の流れを動作表現に適応させながら、トークンレベル言語とフルレゾルフ動作特徴を共同で更新するRepresentation-Aware Multimodal Diffusion Transformer (RA-MMDiT)を導入する。 さまざまなデータセットとモーション表現に対して、MSFlowは最先端のテキスト・トゥ・モーションのパフォーマンスを達成する。 グローバルな表現の変種は、制御条件の訓練を受けずに投射サンプリングを通じて、任意の関節やフレームをゼロショットで推論タイムで制御し、正確な制約満足度で先進的な動作品質を提供する。

関連論文リスト

• FlowCoMotion: Text-to-Motion Generation via Token-Latent Flow Modeling [3.303238786179896]
  FlowCoMotionは、新しいモーション生成フレームワークである。 セマンティックコンテンツと高忠実度モーションの詳細をキャプチャする。 テキスト・ツー・モーションのベンチマークで競争力を発揮する。
  論文  参考訳（メタデータ） (2026-04-13T07:04:47Z)
• MotionVerse: A Unified Multimodal Framework for Motion Comprehension, Generation and Editing [53.98607267063729]
  MotionVerseは、シングルパーソンとマルチパーソンの両方のシナリオで人間の動作を理解し、生成し、編集するフレームワークである。 我々は、連続的な動き列をマルチストリーム離散トークンに変換する残差量子化を伴う動きトークン化器を用いる。 また、残留トークンストリームの符号化を時間的に停滞させる textitDelay Parallel Modeling 戦略も導入する。
  論文  参考訳（メタデータ） (2025-09-28T04:20:56Z)
• Absolute Coordinates Make Motion Generation Easy [8.153961351540834]
  最先端のテキスト・トゥ・モーション生成モデルは、HumanML3Dによって普及したキネマティック・アウェア、局所相対運動表現に依存している。 本稿では,大域空間における絶対的共同座標という,テキスト・トゥ・モーション生成の大幅な単純化と長期化の代替案を提案する。
  論文  参考訳（メタデータ） (2025-05-26T00:36:00Z)
• Motion-Aware Generative Frame Interpolation [23.380470636851022]
  フローベースのフレーム法は、推定中間フローを通しての運動安定性を保証するが、複雑な動き領域で深刻なアーティファクトを導入することが多い。 大規模な事前学習ビデオ生成モデルによって強化された最近の生成的アプローチは、複雑なシーンの処理において有望であることを示している。 本研究では、中間フロー誘導と生成能力を相乗化して忠実度を高める動き認識生成フレーム(MoG)を提案する。
  論文  参考訳（メタデータ） (2025-01-07T11:03:43Z)
• Generalizable Implicit Motion Modeling for Video Frame Interpolation [51.966062283735596]
  フローベースビデオフレーム補間(VFI)における動きの重要性 本稿では,動きモデリングVFIの新規かつ効果的なアプローチである一般インプリシット・モーション・モデリング(IMM)を紹介する。 我々のGIMMは、正確にモデル化された動きを供給することによって、既存のフローベースVFIワークと容易に統合できる。
  論文  参考訳（メタデータ） (2024-07-11T17:13:15Z)

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。