論文の概要: BeatDance: Generating Beat-Consistent 3D Dance with Hierarchical Spatial-Temporal Modeling
- arxiv url: http://arxiv.org/abs/2609.37400v1
- Date: Tue, 29 Sep 2026 12:41:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-30 21:28:47.493544
- Title: BeatDance: Generating Beat-Consistent 3D Dance with Hierarchical Spatial-Temporal Modeling
- Title（参考訳）: BeatDance:階層型空間-テンポラルモデリングによるBeats-Consistent 3Dダンスの生成
- Abstract要約: 本研究では,音楽からリアルな3Dダンスを生成するための新しい拡散型フレームワークBeatDanceを提案する。
階層構造を用いて、短期的および長期的両方の依存関係を捕捉し、空間的時間的モデリングを強化する。
トレーニング中、再構成された音楽とオリジナル音楽の相違により、より強い損失信号が誘導され、音楽とダンスの動きの一貫性が効果的に促進される。
- 参考スコア（独自算出の注目度）: 31.71929078646799
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Generating realistic 3D dance from music is a challenging task that requires accurate synchronization with musical rhythms while capturing the spatial complexity of human motion. Although existing methods can generate physically plausible dance motions, they often struggle to achieve precise alignment with music, such as the beat. To address this limitation, we propose a novel diffusion-based framework, BeatDance, with two components: 1) We present a Hierarchical Decoupled Attention (HDA) module, which first disentangles the learning of human pose and temporal dynamics. A hierarchical structure is then employed to capture both short-term and long-term dependencies, thereby enhancing spatial-temporal modeling. 2) We adopt cycle-consistent learning by introducing an auxiliary dance-to-music module. During training, discrepancies between the reconstructed and original music induce a stronger loss signal, effectively encouraging the consistency property between the music and dance motion. Extensive experimental results demonstrate that our proposed approach outperforms recent competitive methods on two benchmark datasets.
- Abstract（参考訳）: 音楽からリアルな3Dダンスを生成することは、人間の動きの空間的複雑さを捉えながら、音楽のリズムと正確な同期を必要とする難しい作業である。
既存の方法は物理的にもっともらしいダンスの動きを生成できるが、ビートのような音楽との正確な整合に苦慮することが多い。
この制限に対処するため、新しい拡散ベースのフレームワーク、BeatDanceを2つのコンポーネントで提案する。
1) 階層的疎結合注意(HDA)モジュールを提示する。
階層構造を用いて、短期的および長期的両方の依存関係を捕捉し、空間的時間的モデリングを強化する。
2) 補助的なダンス・トゥ・ミュージック・モジュールを導入することで, サイクル一貫性学習を採用する。
トレーニング中、再構成された音楽とオリジナル音楽の相違により、より強い損失信号が誘導され、音楽とダンスの動きの一貫性が効果的に促進される。
大規模な実験結果から,提案手法は2つのベンチマークデータセットにおいて,近年の競合手法よりも優れていることが示された。
関連論文リスト
- Tempo as the Stable Cue: Hierarchical Mixture of Tempo and Beat Experts for Music to 3D Dance Generation [62.82943523102]
音楽から3Dのダンス生成は、リアルでリズミカルに同期された人間のダンスを音楽から合成することを目的としている。
本研究では,階層的なテンポ認識型Mixture-of-ExpertsモジュールであるTempoMoEを提案する。
本研究では,TempoMoEがダンスの質とリズムアライメントを実現することを示す。
論文 参考訳（メタデータ） (2025-12-21T16:57:08Z) - Align Your Rhythm: Generating Highly Aligned Dance Poses with Gating-Enhanced Rhythm-Aware Feature Representation [22.729568599120846]
本研究では、リズム認識機能表現を強化するためにゲーティング機構を活用する新しいフレームワークであるDancebaを提案する。
位相に基づくリズム抽出(PRE)により、音楽相データからリズム情報を正確に抽出する。
TGCA(Temporal-Gated Causal Attention)は、グローバルリズミカルな特徴に焦点を当てる。
上肢と下肢の運動を別々にモデル化する並列マンバ運動モデリング(PMMM)アーキテクチャ。
論文 参考訳（メタデータ） (2025-03-21T17:42:50Z) - DiffDance: Cascaded Human Motion Diffusion Model for Dance Generation [89.50310360658791]
本稿では,高分解能長周期ダンス生成のための新しい動き拡散モデルDiffDanceを提案する。
本モデルは、音楽間拡散モデルとシーケンス超解像拡散モデルとから構成される。
DiffDanceは、入力された音楽と効果的に一致したリアルなダンスシーケンスを生成することができることを実証する。
論文 参考訳（メタデータ） (2023-08-05T16:18:57Z) - BRACE: The Breakdancing Competition Dataset for Dance Motion Synthesis [123.73677487809418]
ダンス・モーション・シンセサイザーにおける一般的な仮定に挑戦する新しいデータセットを提案する。
我々は、アクロバティックな動きと絡み合った姿勢を特徴とするブレイクダンスに焦点を当てている。
BRACEデータセットは、3時間30分以上の濃密な注釈付きポーズを含む。
論文 参考訳（メタデータ） (2022-07-20T18:03:54Z) - Bailando: 3D Dance Generation by Actor-Critic GPT with Choreographic
Memory [92.81383016482813]
そこで我々は3Dキャラクターを1曲の楽曲に追従して踊るための新しい音楽間距離フレームワークBailandoを提案する。
本稿では,音楽に忠実な流麗なダンスにユニットを構成するアクタ批判型生成事前学習変換器(GPT)を紹介する。
提案するフレームワークは,定性的かつ定量的に最先端の性能を実現する。
論文 参考訳（メタデータ） (2022-03-24T13:06:43Z) - Music-to-Dance Generation with Optimal Transport [48.92483627635586]
本稿では,音楽から3Dダンス振付を生成するためのMDOT-Net(Music-to-Dance with Optimal Transport Network)を提案する。
生成したダンス分布とグロモフ=ワッサーシュタイン距離の信頼度を評価するための最適な移動距離を導入し、ダンス分布と入力音楽の対応性を測定する。
論文 参考訳（メタデータ） (2021-12-03T09:37:26Z) - Music2Dance: DanceNet for Music-driven Dance Generation [11.73506542921528]
本研究では,音楽のスタイル,リズム,メロディを制御信号とする自己回帰生成モデルDanceNetを提案する。
プロのダンサーによる複数の同期音楽ダンスペアをキャプチャし、高品質な音楽ダンスペアデータセットを構築する。
論文 参考訳（メタデータ） (2020-02-02T17:18:31Z)
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。