論文の概要: Generative Interactions: Weaving Multiparty Human Motion with Bilevel Latent Dynamics
- arxiv url: http://arxiv.org/abs/2609.37708v1
- Date: Tue, 29 Sep 2026 14:40:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-30 21:28:47.640006
- Title: Generative Interactions: Weaving Multiparty Human Motion with Bilevel Latent Dynamics
- Title（参考訳）: 生成的相互作用:二レベル潜在ダイナミクスを用いた多人数動作の織り込み
- Abstract要約: エージェントインタラクションダイナミクス(BRAID)のためのバイレベル表現について紹介する。
BRAIDは、生成的多人数インタラクションのための逐次潜在変数モデルである。
グループレベルの潜伏状態を通じて各シーンを表現し、共有インタラクションのダイナミクスと個人レベルの潜伏状態をキャプチャする。
- 参考スコア（独自算出の注目度）: 2.5840709738256122
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Human social behaviour is not a collection of independent motions, but a jointly organised process in which group dynamics and individual variation continuously shape one another. Yet existing social motion models often prioritise plausible trajectories while leaving interaction state implicit, limiting their ability to transfer across groups, tasks, and partial-observation regimes. To address this gap, we introduce Bilevel Representations for Agent Interaction Dynamics (BRAID), a hierarchical sequential latent-variable model for generative multi-person interaction. BRAID explicitly formulates social motion generation as a meta-transfer learning problem: shared interaction priors are learned across datasets and adapted through arbitrary context sets of observed people and joints. The model represents each scene through a group-level latent state that captures shared interaction dynamics and person-level latent states that capture individual behaviour conditioned on the evolving group context. This modelling choice enables coherent generation under full, sparse, or partial observations while exposing compact social-state vectors that can serve as an interface for downstream embodied-agent systems. We evaluate BRAID under a unified SMPL-based representation on social forecasting, tracking and in-filling, and response generation, using metrics that assess not only reconstruction accuracy but also realism, diversity, temporal alignment, and interpersonal coordination. We further analyse the hierarchical latent space, showing that it captures separable group- and individual-level structure.
- Abstract（参考訳）: 人間の社会的行動は独立した動きの集まりではなく、集団力学と個人的変動を連続的に形作る共同組織的なプロセスである。
しかし、既存の社会運動モデルは、しばしばプラウチブルな軌道を優先し、相互作用状態は暗黙のままであり、グループ、タスク、部分的な観測体制をまたいで移動する能力を制限する。
このギャップに対処するため,BRAID(Bilevel Representations for Agent Interaction Dynamics)を導入した。
BRAIDは、社会運動生成をメタトランスファー学習問題として明確に定式化している: 共有された相互作用はデータセット間で学習され、観察された人々と関節の任意のコンテキストセットを介して適応される。
モデルは、グループレベルの潜伏状態を通じて各シーンを表現し、共有された相互作用のダイナミクスと、進化するグループコンテキストで条件付けられた個人レベルの潜伏状態をキャプチャする。
このモデル選択は、下流のエンボディ・エージェントシステムのインターフェースとして機能する、コンパクトな社会状態ベクトルを公開しながら、完全な、スパース、または部分的な観測の下でコヒーレントな生成を可能にする。
我々は,BRAIDを社会的予測・追跡・補充・応答生成に統一したSMPLに基づく表現で評価し,再現精度だけでなく,現実性,多様性,時間的アライメント,対人協調性を評価する指標を用いて評価した。
さらに階層的潜在空間を解析し、それが分離可能な群構造と個別構造を捉えることを示す。
関連論文リスト
- Inter-X++: A Comprehensive Benchmark for Multimodal Human-Human Interaction Analysis [55.78822230833247]
We present Inter-X++, a comprehensive and large-scale benchmark designed to empower useful HHI analysis。
インターX++は11,388個の高忠実な相互作用シーケンスと8.1Mフレームを提供する。
インタラクションの再構築と意味理解を協調的に最適化する,単一かつ統一されたHHI表現とモデリングフレームワークOpenHHIを提案する。
論文 参考訳（メタデータ） (2026-08-20T17:51:48Z) - BEHAVE: A Hybrid AI Framework for Real-Time Modeling of Collective Human Dynamics [0.0]
既存のAIシステムは、グループを安定させるか、エスカレーションやブレークダウンに移行するかを判断する集合的ダイナミクスを捉えていない。
相互作用空間上で定義された連続挙動場として集合力学をモデル化する形式的フレームワークであるBEHAVEを紹介する。
再検討された同じ分野は、群衆の安全、危機チームダイナミクス、教育、臨床状況に適用できる。
論文 参考訳（メタデータ） (2026-05-12T20:32:02Z) - SocialMirror: Reconstructing 3D Human Interaction Behaviors from Monocular Videos with Semantic and Geometric Guidance [49.69016078147708]
密接な相互作用シナリオにおける人間の行動の正確な再構築は、拡張現実における現実的な仮想インタラクションの実現に不可欠である。
本稿では,これらの問題に効果的に対処するための意味的および幾何学的手がかりを統合する拡散ベースのフレームワークであるSocialMirrorを提案する。
SocialMirrorはインタラクティブなヒューマンメッシュを再構築する上で,最先端のパフォーマンスを実現している。
論文 参考訳（メタデータ） (2026-04-15T07:41:52Z) - ReMoGen: Real-time Human Interaction-to-Reaction Generation via Modular Learning from Diverse Data [38.85809416362408]
ReMoGenはリアルタイムインタラクションと反応生成のためのモジュラー学習フレームワークである。
これは、他の動作、シーン幾何学、オプションのハイレベルなセマンティック入力を含む動的マルチソースキューから、エゴの将来の動きを生成する。
ReMoGenは、様々な相互作用シナリオを効果的に一般化しながら、高品質でコヒーレントで応答性のある反応を生成する。
論文 参考訳（メタデータ） (2026-04-01T16:12:23Z) - Diffusion Forcing for Multi-Agent Interaction Sequence Modeling [52.769202433667125]
MAGNetはマルチエージェントモーション生成のための統合された自己回帰拡散フレームワークである。
フレキシブルな条件付けとサンプリングを通じて、幅広いインタラクションタスクをサポートする。
緊密に同期された活動と、ゆるやかに構造化された社会的相互作用の両方をキャプチャする。
論文 参考訳（メタデータ） (2025-12-19T18:59:02Z) - Uni-Inter: Unifying 3D Human Motion Synthesis Across Diverse Interaction Contexts [59.78384600454231]
We present Uni-Inter, a unified framework for human motion generation that support a wide range of interaction scenarios。
Uni-Interは、異種インタラクティブエンティティを共有空間にエンコードするボリューム表現であるUnified Interactive Volume (UIV)を導入している。
論文 参考訳（メタデータ） (2025-11-17T06:32:38Z) - Learning Human-Object Interaction as Groups [52.28258599873394]
GroupHOIは、幾何学的近接性および意味的類似性の観点から文脈情報を伝播するフレームワークである。
これは、より困難な非言語間相互作用検出タスクにおいて、主要なパフォーマンスを示す。
論文 参考訳（メタデータ） (2025-10-21T07:25:10Z) - Social Processes: Probabilistic Meta-learning for Adaptive Multiparty Interaction Forecasting [3.9134031118910264]
社会プロセス(SP)モデルを導入し、全てのグループメンバーに対して、将来のマルチモーダルキューの分布を予測する。
また,現実的な合成データセットを用いて,SPモデルの出力および潜時空間における一般化能力を解析した。
論文 参考訳（メタデータ） (2025-01-03T17:34:53Z) - Rethinking Trajectory Prediction via "Team Game" [118.59480535826094]
本稿では,対話型グループコンセンサスの概念を明示的に導入した,マルチエージェント軌道予測の新しい定式化について述べる。
チームスポーツと歩行者の2つのマルチエージェント設定において,提案手法は既存手法と比較して常に優れた性能を達成している。
論文 参考訳（メタデータ） (2022-10-17T07:16:44Z) - SocialInteractionGAN: Multi-person Interaction Sequence Generation [0.0]
条件付き相互作用生成のための新しい対比アーキテクチャであるSocialInteractionGANを提示する。
本モデルは,再帰型エンコーダデコーダジェネレータネットワークとデュアルストリームディスクリミネータ上に構築する。
提案されたSocialInteractionGANは、対話する人々の高いリアリズムアクションシーケンスを生成することに成功していることを示す。
論文 参考訳（メタデータ） (2021-03-10T08:11:34Z)
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。