論文の概要: AESOP: Asymmetric Human-Camera Generation with Translation-Intensity Control

• arxiv url: http://arxiv.org/abs/2609.37229v1
• Date: Tue, 29 Sep 2026 10:41:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-30 21:28:47.427065
• Title: AESOP: Asymmetric Human-Camera Generation with Translation-Intensity Control
• Title（参考訳）: AESOP: 翻訳強度制御による非対称人カメラ生成
• Abstract要約: AESOPは独立したヒューマンパスと共有されたヒューマンコンディショニングカメラジェネレータを備えた統合フレームワークである。 非対称なアーキテクチャは、カメラ生成中に人間の出力を保ちながら、両方のタスクに役立ちます。 PulpMotionデータセットの実験では、両方のタスクにおいて、強力なカメラの分散とフレーミングの品質が示されている。
• 参考スコア（独自算出の注目度）: 35.847064457030115
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Human motion defines an action, while a camera trajectory determines how it is presented. Camera generation for a given human motion and joint human-camera generation are usually treated as separate tasks, although both share an asymmetric dependency: human motion can be generated independently, whereas the camera responds to the realized action. We introduce AESOP, a unified framework with an independent human pathway and a shared human-conditioned camera generator. Its asymmetric architecture serves both tasks while preserving the human output during camera generation. Although human context anchors the shot to the action and camera text describes its movement, translation intensity remains underspecified. We therefore construct trajectory pairs that differ in camera translation magnitude while sharing human motion and camera text, then use these pairs to learn an explicit intensity condition. Experiments on the PulpMotion dataset demonstrate strong camera distributional and framing quality in both tasks and effective control over camera translation intensity.
• Abstract（参考訳）: 人間の動きはアクションを定義し、カメラの軌跡はそれがどのように提示されるかを決定する。 与えられた人間の動きと関節の人間のカメラ生成のためのカメラ生成は通常、別のタスクとして扱われるが、どちらも非対称な依存を共有している。 AESOPは、独立したヒューマンパスと共有されたヒューマンコンディショニングカメラジェネレータを備えた統合フレームワークである。 非対称なアーキテクチャは、カメラ生成中に人間の出力を保ちながら、両方のタスクに役立ちます。 人間のコンテキストはショットをアクションに固定し、カメラのテキストはその動きを記述するが、翻訳強度は未特定のままである。 そこで我々は、人間の動きとカメラテキストを共有しながら、カメラ翻訳の規模が異なる軌跡ペアを構築し、これらのペアを使って明示的な強度条件を学習する。 PulpMotionデータセットの実験では、タスクとカメラ翻訳強度の効果的な制御の両方において、強力なカメラ分布とフレーミングの品質が示されている。

関連論文リスト

• SocialHumanoid: Towards Expressive Humanoid Behavior via One-Step Co-Speech Motion Generation [42.12237975843325]
  ソーシャルヒューマノイド(SocialHumanoid)は、一段階の音声合成による人型行動を表現するシステムである。 シングルフォワードパスで各フルボディのモーションウインドウを生成し、モーション・ヒストリー・コンディショニングを通じて連続したウインドウを接続する。 生成された人間の動きは、さらにオンラインでエンボディ互換のロボット参照に変換され、身体的実行のための全身コントローラによって追跡される。
  論文  参考訳（メタデータ） (2026-09-27T07:24:33Z)
• UniMoCa: Unifying Motion and Camera Controls as Visual Proxies for Faithful Human Video Generation [50.391925716274926]
  textbfUniMoCaは、視覚空間におけるモーションとカメラコントロールを統合する表現駆動フレームワークである。 UniMoCaは、人間の動き制御、カメラ制御、時間的一貫性、カメラ認識の堅牢性において、最小限の複雑さで大幅に向上することを示す。
  論文  参考訳（メタデータ） (2026-08-03T09:18:13Z)
• Auteur: Language-Driven Cinematographic Framing for Human-Centric Video Generation [48.49793109378558]
  生成ビデオにおける言語駆動型人中心カメラフレーミングの手法であるAuteurを提案する。 Auteurは、人中心のシーンの撮影フレーミングを可能にする。
  論文  参考訳（メタデータ） (2026-06-01T08:41:01Z)
• Pulp Motion: Framing-aware multimodal camera and human motion generation [23.011172300168642]
  私たちは、このタスクを、一貫した画面上のフレーミングを維持することを目的とした、テキスト条件のジョイントジェネレーションとして、最初にキャストしました。 補助モダリティを介し,マルチモーダルコヒーレンスを強制する,シンプルなモデルに依存しないフレームワークを提案する。 本実験は,オンフレームコヒーレントなヒトカメラの動作生成における本手法の汎用性と有効性を示す。
  論文  参考訳（メタデータ） (2025-10-06T17:58:34Z)
• CoopDiff: Anticipating 3D Human-object Interactions via Contact-consistent Decoupled Diffusion [62.93198247045824]
  3Dヒューマンオブジェクトインタラクション(HOI)は,人間の将来の動きとその操作対象を,歴史的文脈で予測することを目的としている。 そこで我々は,人間と物体の運動モデリングを分離するために,2つの異なる分岐を用いた接触非結合拡散フレームワークCoopDiffを提案する。
  論文  参考訳（メタデータ） (2025-08-10T03:29:17Z)
• Simultaneously Recovering Multi-Person Meshes and Multi-View Cameras with Human Semantics [14.385538705947782]
  我々は、非校正カメラを用いたマルチパーソンモーションキャプチャーに焦点をあてる。 主要なアイデアは、カメラパラメータと人間のメッシュを同時に推定するために、動きの事前知識を組み込むことである。 その結果, 正確なカメラパラメータと人間の動きは, ワンステップで再現できることが示唆された。
  論文  参考訳（メタデータ） (2024-12-25T05:35:30Z)
• Task-Oriented Human-Object Interactions Generation with Implicit Neural Representations [61.659439423703155]
  TOHO: 命令型ニューラル表現を用いたタスク指向型ヒューマンオブジェクトインタラクション生成 本手法は時間座標のみでパラメータ化される連続運動を生成する。 この研究は、一般的なヒューマン・シーンの相互作用シミュレーションに向けて一歩前進する。
  論文  参考訳（メタデータ） (2023-03-23T09:31:56Z)
• BodySLAM: Joint Camera Localisation, Mapping, and Human Motion Tracking [19.123370976371277]
  ビデオから人間の動きを推定することは、その多くの潜在的な応用のために活発な研究分野である。 本研究では,身体の位置,形状,姿勢を共同で推定する単分子SLAMシステムであるBodySLAMを提案する。 また、連続体姿勢を拘束し、シーンの規模を観察する新しい人体運動モデルも導入する。
  論文  参考訳（メタデータ） (2022-05-04T19:38:26Z)

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。