論文の概要: TAME:Topology-Aware Text-Driven Motion Editing across Heterogeneous Humanoid Skeletons

• arxiv url: http://arxiv.org/abs/2610.04529v1
• Date: Sat, 03 Oct 2026 13:49:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-11 19:08:43.614136
• Title: TAME:Topology-Aware Text-Driven Motion Editing across Heterogeneous Humanoid Skeletons
• Title（参考訳）: TAME:Topology-Aware Text-Driven Motion Editing across Heterogeneous Humanoid Skeletons
• Abstract要約: Topology-Aware Motion Editor (TAME)は、様々なトポロジーのヒューマノイド骨格の運動を編集するフローマッチングトランスフォーマーである。 骨格的注意を各キャラクターの階層に従わせるために、TAMEはトポロジー制約された骨格的伝播によって完全な関節的注意を置き換える。 この設定をトレーニング可能かつ同等にするために,MotionFixのマルチトポロジー拡張であるTopoMotionFixを構築した。
• 参考スコア（独自算出の注目度）: 61.432542292890275
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Text-driven motion editing modifies an existing motion sequence according to a text instruction while preserving the content of the source motion. Existing methods are typically built for a single, fixed skeletal topology, which limits their use in animation pipelines where characters differ in joint count and skeletal hierarchy. We present Topology-Aware Motion Editor (TAME), a flow-matching transformer that edits motions on humanoid skeletons of varying topology. TAME represents motion as per-joint, per-frame tokens and models interactions among joints, across frames, and with the text instruction through skeletal, temporal, and text cross-attention layers. To make the skeletal attention follow each character's hierarchy, TAME replaces full joint attention with Topology-Constrained Skeletal Propagation (TCSP), which restricts attention to one-hop kinematic neighbors in the skeleton's adjacency matrix. We further introduce Edit-Focused Representation Alignment (EFRA), a self-distilled representation alignment strategy that aligns student features with cleaner EMA-teacher features exclusively on edit-relevant joint-time tokens, making edits faithful to the instruction. To make this setting trainable and comparable, we construct TopoMotionFix, a multi-topology extension of MotionFix with seen- and unseen-topology evaluation protocols. TAME outperforms previous methods in edit alignment and source preservation on MotionFix and reliably edits motions on unseen skeletons in TopoMotionFix.
• Abstract（参考訳）: テキスト駆動モーション編集は、ソースモーションの内容を保持しながら、テキスト命令に従って既存のモーションシーケンスを変更する。 既存の手法は通常、単一の固定された骨格トポロジーのために構築され、文字が関節数や骨格階層で異なるアニメーションパイプラインでの使用を制限する。 本稿では,様々なトポロジのヒューマノイド骨格の運動を編集するフローマッチングトランスフォーマであるトポロジ・アウェア・モーション・エディター(TAME)を紹介する。 TAMEは、関節、フレーム間の相互作用、フレーム間の相互作用、骨格層、時間層、およびテキスト・クロスアテンション・レイヤによるテキスト・インストラクションとして動作を表現している。 骨格の注意を各キャラクターの階層に従うようにするために、TAMEはTopology-Constrained Skeletal Propagation (TCSP) によって完全な関節の注意を置き換え、骨格の隣接行列内の1ホップのキネマティックな隣人への注意を制限する。 さらに,編集関連共同時間トークンのみに特化して,学生の特徴をよりクリーンなEMA-Teacher機能と整合させる自己拡張表現アライメント戦略であるEFRAを導入する。 この設定をトレーニング可能かつ同等にするために,MotionFixのマルチトポロジー拡張であるTopoMotionFixを構築した。 TAMEは、MotionFixのアライメントとソース保存を編集し、TopoMotionFixの見えない骨格のモーションを確実に編集する従来の方法より優れている。

関連論文リスト

• Spatial Temporal Synergy: Balancing Change and Invariance in Text Driven 3D Human Motion Editing [78.44034844227868]
  テキスト駆動型人間の動作編集は、自然言語の指示に従って既存の動作シーケンスを変更することを目的としている。 変化と不変性 (Change and Invariance Motion Editing, CIME) は、変化と不変性を空間的ポーズと時間的リズム次元に包括的に分離する統合フレームワークである。 MotionFixとSTANCE調整データセットの実験は、CIMEがアライメントと構造的忠実さの編集において最先端のパフォーマンスを達成することを示した。
  論文  参考訳（メタデータ） (2026-08-17T01:54:44Z)
• Neural Motion Blending Across Arbitrary Character Topologies [7.503125656408304]
  異種骨格間での運動ブレンディングのための新しい枠組みを提案する。 提案アーキテクチャは,移動状態のフレームごとの潜在表現を抽出するセマンティックエンコーダと拡散に基づくデコーダを組み合わせたものである。 我々は、同じ骨格トポロジーと異なる骨格トポロジーで定義された動きを用いてTruebones Zooデータセットの手法を訓練し、評価する。
  論文  参考訳（メタデータ） (2026-07-11T15:46:13Z)
• Cross-Axis Feature Fusion with Joint-Wise Motion Difference Prediction for Text-Based 3D Human Motion Editing [12.284953145384264]
  そこでは,自然言語で記述した編集を適用しながら,原文の動きのスタイルと構造を保存することを目的とする。 私たちのゴールは、この時間的側面だけでなく、特定のジョイントが変化に責任を持つのかを理解するモデルを作ることです。
  論文  参考訳（メタデータ） (2026-05-31T05:09:42Z)
• Omni-Supervised Motion Editing: Balancing Change and Invariance through Positive-Negative Learning [55.410155357480654]
  我々はOmniMEという,Omni-Supervised Positive-Negative Learningフレームワークを提案する。 本手法は3つの相補的成分を統合する。 MotionFixとSTANCE調整データセットの実験は、OmniMEが編集アライメントにおける最先端のパフォーマンスを達成することを示した。
  論文  参考訳（メタデータ） (2026-05-29T08:09:51Z)
• InterEdit: Navigating Text-Guided Multi-Human 3D Motion Editing [73.51964472028392]
  本稿では,複数の人物による3Dモーション編集のタスクについて紹介する。 これをサポートするために、InterEdit3D、手動2人動作変更アノテーションを備えた新しいデータセット、およびテキスト誘導多人動作編集(TMME)ベンチマークを提案する。 InterEditはテキスト間の一貫性を改善し、忠実さを編集し、最先端のTMMEパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2026-03-13T15:30:51Z)
• AnyTop: Character Animation Diffusion with Any Topology [54.07731933876742]
  我々は,異なる動きダイナミクスを持つ多種多様な文字に対する動きを生成する拡散モデルであるAnyTopを紹介する。 我々の研究は、任意の骨格学習に適したトランスフォーマーベースの認知ネットワークを特徴としている。 我々の評価では、AnyTopsはトポロジー当たりのトレーニング例が3つも少なく、見えない骨格の運動も生成できる。
  論文  参考訳（メタデータ） (2025-02-24T17:00:36Z)

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。