論文の概要: DiFF: Doppler-informed Flow Matching for Human Motion Flow

• arxiv url: http://arxiv.org/abs/2609.39098v1
• Date: Wed, 30 Sep 2026 06:36:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:27.290602
• Title: DiFF: Doppler-informed Flow Matching for Human Motion Flow
• Title（参考訳）: DiFF:人間の運動流に対するドップラーインフォームドフローマッチング
• Abstract要約: DiFFは、KAN(Kolmogorov-Arnold Network)ベースの条件付きフローマッチングモデルで、ドップラーインフォームドモーションをマージする生成フレームワークである。 さまざまな実世界のデータセットでSOTA(State-of-the-art)のパフォーマンスを実現し、mmBodyベンチマークの3Dエンドポイントエラーをミリスケールに削減する。
• 参考スコア（独自算出の注目度）: 5.071830217233516
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Perceiving human motion via privacy-preserving 4D millimeter-wave (mmWave) radar is critical for next-generation human-robot interaction (HRI), where point cloud scene flow serves as a foundational motion representation. Yet the extreme sparsity and noise of 4D radar point clouds make non-rigid motion flow estimation severely ill-posed--a challenge that existing rigid-centric methods and prior works fail to adequately address, largely because they neglect the rich Doppler velocity cues inherent in 4D radar. We propose DiFF, a generative framework that marries Doppler-informed motion priors with a Kolmogorov-Arnold Network (KAN)-based conditional flow matching model. At its core, a KAN-attention mechanism enables expressive feature extraction, while a prior-guided generative process harnesses Doppler cues to regularize the ill-posed solution space. Extensive experiments show that DiFF achieves state-of-the-art (SOTA) performance across diverse real-world datasets, reducing 3D endpoint error to the millimeter scale on the mmBody benchmark.
• Abstract（参考訳）: プライバシを保存する4Dミリ波(mmWave)レーダーによる人間の動きの認識は、ポイント雲の流れが基本的な動きの表現として機能する次世代の人間-ロボット相互作用(HRI)において重要である。 しかし、4Dレーダポイント雲の極端に広い範囲とノイズは、非剛性運動流の推定を著しく悪化させ、既存の剛性中心の手法や先行研究が適切に対処できないという課題を招き、それらは4Dレーダに固有の豊富なドップラー速度キューを無視している。 そこで我々は,KAN(Kolmogorov-Arnold Network)に基づく条件付きフローマッチングモデルを用いて,ドップラーインフォームドモーションの先行をマッチングする生成フレームワークであるDiFFを提案する。 中心となるkan-attentionメカニズムは表現的特徴抽出を可能にし、事前誘導生成プロセスはドップラーキューを利用して不適切な解空間を規則化する。 大規模な実験により、DiFFは様々な実世界のデータセットにまたがる最先端(SOTA)のパフォーマンスを達成し、3DエンドポイントエラーをmmBodyベンチマークのミリスケールに削減した。

関連論文リスト

• Deformable Gaussian Occupancy: Decoupling Rigid and Nonrigid Motion with Factorized Distillation [81.44955493339835]
  DeGOは変形可能なガウスの占有機構であり、分解したガウスの変形と分解された4次元基礎モデル蒸留を統一する。 Occ3D-NuScenesベンチマーク実験により,本手法が弱い監督下での最先端性能を実現することを示す。
  論文  参考訳（メタデータ） (2026-05-27T15:09:55Z)
• Ada3Drift: Adaptive Training-Time Drifting for One-Step 3D Visuomotor Robotic Manipulation [53.750389076941396]
  拡散に基づくビジュモータポリシーは反復的認知を通じて多モーダルな動作分布をキャプチャするが、その高い推論遅延はリアルタイムロボット制御を制限する。 Ada3Driftは,専門家のデモモードに対して予測された行動を引き付ける訓練時間ドリフト場を学習する。 Ada3Driftは、拡散ベースの代替よりも10倍の関数評価を必要としながら、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） (2026-03-12T14:36:53Z)
• Geometric Neural Distance Fields for Learning Human Motion Priors [51.99890740169883]
  本研究では,より頑健で時間的に整合性があり,物理的に妥当な3次元運動回復を可能にする新しい3D生成人体運動について紹介する。 AMASSデータセットをトレーニングし、NRMFは複数の入力モードにまたがって著しく一般化する。
  論文  参考訳（メタデータ） (2025-09-11T17:58:18Z)
• Exploration of Low-Cost but Accurate Radar-Based Human Motion Direction Determination [0.0]
  本稿では, 低コストだが高精度なレーダーによる人体動方向決定法について検討する。 HMDDは、軽量で高速なVision Transformer-Convolutional Neural Networkハイブリッドモデル構造によって実装されている。 提案手法の有効性は,オープンソースデータセットを用いて検証する。
  論文  参考訳（メタデータ） (2025-07-30T10:48:36Z)
• Bayesian Approximation-Based Trajectory Prediction and Tracking with 4D Radar [13.438311878715536]
  3Dマルチオブジェクトトラッキング(MOT)は自動運転車には不可欠だが、LiDARとカメラベースの手法は悪天候下では劣化する。 本研究では,4次元レーダベースMOTフレームワークであるBayes-4DRTrackを提案する。
  論文  参考訳（メタデータ） (2025-02-03T13:49:21Z)
• COIN: Control-Inpainting Diffusion Prior for Human and Camera Motion Estimation [98.05046790227561]
  COINは、人間の動きとカメラの動きを細粒度に制御できる、コントロール・インパインティング・モーション拡散である。 COINは、グローバルな人間の動き推定とカメラの動き推定という観点から、最先端の手法よりも優れています。
  論文  参考訳（メタデータ） (2024-08-29T10:36:29Z)
• SC4D: Sparse-Controlled Video-to-4D Generation and Motion Transfer [57.506654943449796]
  動作と外観を分離するSC4Dという,効率的でスパース制御されたビデオ・ツー・4Dフレームワークを提案する。 我々の手法は、品質と効率の両面で既存の手法を超越している。 動作を多種多様な4Dエンティティにシームレスに転送する新しいアプリケーションを考案する。
  論文  参考訳（メタデータ） (2024-04-04T18:05:18Z)
• SMURF: Spatial Multi-Representation Fusion for 3D Object Detection with 4D Imaging Radar [12.842457981088378]
  本稿では,単一4次元イメージングレーダを用いた新しい3次元物体検出手法である空間多重表現融合(SMURF)を提案する。 SMURFは、狭角分解能とレーダ信号のマルチパス伝搬による測定精度の低下を緩和する。 The experimental evaluations on View-of-Delft (VoD) and TJ4DRadSet datasets showed the effective and generalization ability of SMURF。
  論文  参考訳（メタデータ） (2023-07-20T11:33:46Z)

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。