論文の概要: ClothCode: Generative Modeling for Garment State Estimation and Dynamics Prediction
- arxiv url: http://arxiv.org/abs/2610.14200v1
- Date: Fri, 09 Oct 2026 18:10:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-20 22:41:59.293635
- Title: ClothCode: Generative Modeling for Garment State Estimation and Dynamics Prediction
- Title（参考訳）: ClothCode:ガーメント状態の推定とダイナミクス予測のための生成モデリング
- Abstract要約: 衣服の状態推定と動作条件の動的予測のための統合生成フレームワークであるClosCodeを紹介した。
ClothCodeは、状態推定では平均変位誤差を26.6%、ダイナミクス予測では37.0%削減する。
同じモデル予測コントローラに統合されたClosCodeは、現実世界の折り畳みとフラット化の成功を56.7%から78.9%に改善した。
- 参考スコア（独自算出の注目度）: 5.598087214338876
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We introduce ClothCode, a unified generative framework for garment state estimation and action-conditioned dynamics prediction in a shared discrete configuration space. A material-aligned tokenizer encodes garment configuration as residual vector-quantized patch tokens, while task-specific Masked Generative Transformers predict these tokens through parallel confidence-guided refinement. Across three garment templates, ClothCode reduces mean displacement error by 26.6% for state estimation and 37.0% for dynamics prediction relative to the strongest baselines. Dynamics prediction requires only 16.7 ms per window, compared with 556.2 ms for diffusion. Integrated into the same model-predictive controller, ClothCode improves real-world folding and flattening success from 56.7% to 78.9%. Further results and videos are available at: https://anonymous.4open.science/r/ClothCode-DE32
- Abstract（参考訳）: 我々は,服の状態推定と動作条件付き動的予測のための統一的な生成フレームワークであるClosCodeを,共有された離散的な構成空間で導入する。
素材整列トークン化器は、残留ベクトル量子化されたパッチトークンとして衣服構成を符号化する一方、タスク固有のMasked Generative Transformerは、並列信頼誘導改良によりこれらのトークンを予測する。
3つの衣料テンプレート全体で、ClosCodeは、状態推定では平均変位誤差を26.6%減らし、最強のベースラインに対してダイナミックス予測では37.0%減らした。
ダイナミクス予測では1ウィンドウあたり16.7ミリ秒しか必要としないが、拡散には56.2ミリ秒が必要である。
同じモデル予測コントローラに統合されたClosCodeは、現実世界の折り畳みとフラット化の成功を56.7%から78.9%に改善した。
さらなる結果とビデオは、https://anonymous.4open.science/r/ClothCode-DE32で公開されている。
関連論文リスト
- SpaceCast-Bench: Evaluating Predictive Spatial Reasoning in Vision-Language Models [55.56557714314683]
空間推論を直接的かつ診断的に評価する最初のベンチマークであるSpaceCastBenchを紹介する。
182の現実世界シーンからの質問は、静的認識、局所予測、グローバル予測という3つのレベルで16のタスクタイプにまたがる。
制御された解析により、ブリッジビューは分散観測の統合に重要であることが明らかになった。
論文 参考訳（メタデータ） (2026-10-08T17:44:17Z) - GroundAnything: Reconciling Parallel Decoding with Precise Visual Grounding at Flash Speed [71.05944634852158]
GroundAnythingはブロックワイズによる正確なローカライゼーションで高速並列デコーディングを再構成する。
30のグラウンドベンチマークで、私たちの自己回帰型であるGroundAnything-VLMは、この技術の新たな全体的な状態を確立します。
エントロピー誘導復号法により、GroundAnythingは、この規模の芸術の先行状態を超越している。
論文 参考訳（メタデータ） (2026-09-30T12:20:51Z) - DScale: Scaling Block-Diffusion Speculative Decoding with Adaptive Verification [23.045325370450257]
ブロック拡散投機的復号法は、検証パディング、拒否された候補、可変接頭辞と固定形グラフの不整合に悩まされる。
私たちはDScaleを紹介し、ドラフトアアーキテクチャ、ウェイト、および完全なドラフトの長さを保存します。
論文 参考訳（メタデータ） (2026-09-29T13:17:43Z) - STRIDE: State-Transition Representation via Increment Dynamics and Evolution [2.8475844781337147]
我々は、微分指紋を通して状態を定義し、状態遷移(qpairs)の局所関数を学習するSTRIDE(State-Transition Representation via Increment Dynamics and Evolution)を紹介する。
トレーディング・コンボリューション・ウィンドウは局所的な関節遷移周波数を推定し、そのラグ差は高次元の軌道を形成する。
予測を再結合し、履歴アンカレッドの逆変換を適用すると、将来の遷移周波数が回復し、サンプル状態パスは局所関数を選択して連続予測を生成する。
論文 参考訳（メタデータ） (2026-09-26T08:44:11Z) - DeltaWAM: Delta World Action Models for Bimanual Manipulation [61.57435324858005]
ワールドアクションモデル(WAM)は、事前訓練されたビデオジェネレータから、視覚力学とアクションを共同でモデル化することによって、視覚と動きの先行をロボット制御に転送する。
本稿では,高密度アンカー,スパースデルタ,アクションストリームを用いて,視覚的デルタとアクションを共同で予測するDeltaWAMを提案する。
RoboTwinでは、SDMを使用したDeltaWAMは、Fast-WAMの平均的な成功を81.3%から85.4%に改善し、ビジュアルランダム化の下で75.8%から83.9%に改善した。
論文 参考訳（メタデータ） (2026-09-23T21:45:16Z) - Adaptive Fusion Graph Network for 3D Strain Field Prediction in Solid Rocket Motor Grains [4.379802056393599]
固体ロケットモータ粒子の局所的な高ひずみは、構造的故障の主な原因である。
本稿では,構造的に重要な領域の機械的特徴を保存するための適応グラフネットワークGrainGNetを提案する。
GrainGNetは、ベースライングラフのU-Netモデルと比較して平均2乗誤差を62.8%削減する。
論文 参考訳（メタデータ） (2025-12-29T13:02:04Z) - Conformal Prediction Sets for Next-Token Prediction in Large Language Models: Balancing Coverage Guarantees with Set Efficiency [0.0]
本稿では,大きな語彙を持つ変圧器モデルにおいて,適応予測集合(APS)を次トーケン予測に適用する体系的な研究を行う。
本稿では,語彙認識型コンフォーマル予測(VACP)を提案する。
論文 参考訳（メタデータ） (2025-12-27T19:08:54Z) - REAR: Rethinking Visual Autoregressive Models via Generator-Tokenizer Consistency Regularization [130.46612643194973]
reARはトークン単位の正規化目標を導入する単純なトレーニング戦略です。
ImageNetでは、gFIDを3.02から1.86に削減し、標準化ベースのトークンーザを使用してISを316.9に改善している。
高度なトークン化器に適用すると、177Mパラメータしか持たない1.42のgFIDが達成され、その性能はより大きな最先端拡散モデル(675M)と一致する。
論文 参考訳（メタデータ） (2025-10-06T02:48:13Z) - Entropy Adaptive Decoding: Dynamic Model Switching for Efficient Inference [0.0]
本稿では,効率的な言語モデル推論のための新しいアプローチであるEntropy Adaptive Decoding (EAD)を提案する。
EADは予測の不確実性に基づいて、異なるサイズのモデル間で切り替える。
異なるモデルファミリー間で顕著な効率向上を示す。
論文 参考訳（メタデータ） (2025-02-05T22:15:21Z) - Video Prediction Transformers without Recurrence or Convolution [65.93130697098658]
我々は、Gated Transformerを完全にベースとしたフレームワークであるPredFormerを提案する。
本稿では,映像予測の文脈における3次元注意の包括的分析を行う。
精度と効率の両面で大きな改善は、PredFormerの可能性を強調している。
論文 参考訳（メタデータ） (2024-10-07T03:52:06Z)
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。