論文の概要: Breaking the Group Size Barrier: Parameter-Efficient Group Dance Generation with Chain-of-Dancers

• arxiv url: http://arxiv.org/abs/2610.11237v1
• Date: Thu, 08 Oct 2026 04:37:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:53.807366
• Title: Breaking the Group Size Barrier: Parameter-Efficient Group Dance Generation with Chain-of-Dancers
• Title（参考訳）: グループサイズバリアの破壊--チェーン・オブ・ダンサーを用いたパラメータ効率の良いグループダンス生成
• Abstract要約: グループダンス生成は、音楽から協調したマルチダンサー振付を合成することを目的としている。 グループダンス生成をチェーン・オブ・ダンサーとして再構成するスケーラブルなフレームワークであるChainDanceを提案する。 AIOZ-GDanceの実験は、ChainDanceがダンサーごとのアイデンティティを構造的に保存しつつ、最先端のモーションクオリティとグループコーディネートを達成することを示した。
• 参考スコア（独自算出の注目度）: 26.172954957989845
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Group dance generation aims to synthesize coordinated multi-dancer choreography from music, with broad applications in animation and interactive content creation. This task requires modeling dense inter-person dependencies to ensure spatial coordination, while naturally preserving individual dancer identities. Existing approaches model all dancers jointly with end-to-end transformers, which tie the architecture to a fixed group size and entangle per-dancer identities across frames. We propose ChainDance, a scalable framework that reformulates group dance generation as a Chain-of-Dancers: a sequential decomposition over per-dancer conditional distributions, allowing a single model to scale across variable group sizes without retraining and naturally preserving per-dancer identity. Built on a frozen single-dancer diffusion backbone, ChainDance introduces two lightweight modules: a Role-Aware Text Encoder (RATE) for per-dancer semantic conditioning, and a Group-Aware Motion Encoder (GAME) that aggregates previously generated dancers via a distance-weighted graph convolutional network, and incorporates a training-free noise optimization procedure at inference time to enforce global spatial coherence. Experiments on AIOZ-GDance demonstrate that ChainDance achieves state-of-the-art motion quality and group coordination while structurally preserving per-dancer identity, with $3$-$4\times$ fewer parameters and requiring $3$-$6\times$ less training time compared to prior approaches.
• Abstract（参考訳）: グループダンス生成は、アニメーションやインタラクティブなコンテンツ作成に広く応用された、協調したマルチダンサー振付を音楽から合成することを目的としている。 このタスクは、個々のダンサーのアイデンティティを自然に保存しながら、空間的コーディネーションを確保するために、密集した対人関係をモデル化する必要がある。 既存のアプローチは、すべてのダンサーをエンドツーエンドのトランスフォーマーと共同でモデル化する。 本稿では,グループダンス生成をチェーン・オブ・ダンサー(Chain-of-Dancers)として再構築するスケーラブルなフレームワークであるChainDanceを提案する。 フリーズシングルダンサー拡散バックボーン上に構築されたChainDanceは、2つの軽量モジュールであるRole-Aware Text Encoder (RATE) for per-dancer semantic conditioningとGroup-Aware Motion Encoder (GAME)を紹介している。 AIOZ-GDanceの実験は、ChainDanceが最先端のモーションクオリティとグループコーディネートを達成しつつ、ダンサーごとのアイデンティティを構造的に保存し、パラメータを3ドル～4ドル、トレーニング時間を3ドル～6ドルに短縮することを示した。

関連論文リスト

• ST-GDance: Long-Term and Collision-Free Group Choreography from Music [40.600668304004344]
  グループダンスは、映画、ゲーム、アニメーション制作に広く応用されている。 空間的・時間的依存関係を分離し,長期・衝突のないグループコレオグラフィーを最適化する新しいフレームワークST-GDanceを提案する。
  論文  参考訳（メタデータ） (2025-07-29T05:54:48Z)
• TCDiff++: An End-to-end Trajectory-Controllable Diffusion Model for Harmonious Music-Driven Group Choreography [28.058589813506483]
  TCDiff++は、調和したグループダンスを生成するように設計された音楽駆動のエンドツーエンドフレームワークである。 マルチダンサー衝突を緩和するために,ダンサー位置定位埋め込みを用いて時間的・個人的情報を符号化する。 単段スライディングの問題に対処するために,ダンサースワッピングパターンを示すスワップモードの埋め込みを導入する。
  論文  参考訳（メタデータ） (2025-06-23T14:15:20Z)
• Duolando: Follower GPT with Off-Policy Reinforcement Learning for Dance Accompaniment [87.20240797625648]
  舞踊伴奏と呼ばれる3次元舞踊生成の分野における新しい課題を紹介する。 これは、リードダンサーの動きと、基礎となる音楽リズムと同期した「フォロワー」と呼ばれるダンスパートナーからの応答的な動きを生成する必要がある。 本稿では,GPTに基づくDuolandoモデルを提案する。このモデルでは,音楽の協調情報,リーダの動作,従者の動きに基づいて,後続のトークン化動作を自動回帰予測する。
  論文  参考訳（メタデータ） (2024-03-27T17:57:02Z)
• 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)

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。