論文の概要: CAST: Real-Time Motion Capture for Any Skeleton Topology

• arxiv url: http://arxiv.org/abs/2610.14856v1
• Date: Sat, 10 Oct 2026 12:22:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 11:24:44.535958
• Title: CAST: Real-Time Motion Capture for Any Skeleton Topology
• Title（参考訳）: CAST:どんな骨格トポロジでもリアルタイムのモーションキャプチャー
• Abstract要約: 我々は、学習した局所回転と予測された大局的な骨方向によって導かれる幾何補正を組み合わせたモーションキャプチャーフレームワークであるCASTを提案する。 TopoCap評価プロトコルによる実験により,提案手法は異なるターゲットトポロジ間の動き回復を改善することが示された。 因果CAST-Bは、イメージエンコーディングとモーション予測をカバーした1つのNVIDIA A100 GPU上で51FPS以上を達成する。
• 参考スコア（独自算出の注目度）: 27.244820781940557
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper studies the problem of recovering motion from monocular video, even when the target skeleton topology differs from the subject observed in the video. Although previous methods have made efforts to resolve this problem, they remain vulnerable to joint-rotation errors that are coupled across the skeleton and can propagate along its kinematic hierarchy. To mitigate these errors, we present CAST, a topology-aware motion capture framework that combines learned local rotations with geometric correction guided by predicted global bone directions. Our observability analysis characterizes which rotational components can be constrained by outgoing bone directions. Guided by this analysis, GRACE uses reliability-gated alignment to correct composed orientations in parent-to-child order, leaving unconstrained components to the learned rotation predictor. The motion predictor and correction module are trained jointly with motion-derived supervision, using a frozen image encoder. Experiments under the TopoCap evaluation protocol show that the proposed framework improves motion recovery across different target topologies, including unseen structures. Reference-based cross-skeleton evaluation on a curated Mixamo benchmark and a user preference study further assess transfer to different target structures. A causal CAST-B variant achieves over 51 FPS on a single NVIDIA A100 GPU, with timing covering image encoding and motion prediction. Code repository: https://github.com/fankewen/CAST.
• Abstract（参考訳）: 本稿では, 対象の骨格トポロジがビデオの被写体と異なる場合であっても, モノクロビデオから動きを回復する問題について検討する。 従来の手法ではこの問題の解決に努力してきたが、骨格全体に結合する関節回転誤差に弱いままであり、運動学的階層に沿って伝播することができる。 これらの誤りを緩和するために,学習した局所回転と,予測されたグローバルな骨方向によって導かれる幾何補正を組み合わせたトポロジ対応モーションキャプチャーフレームワークであるCASTを提案する。 我々の観察可能性分析は, 骨方向の移動によって, 回転成分を拘束できるかを特徴付ける。 この分析によって導かれたGRACEは、親子順に合成された方向を補正するために信頼性ゲートアライメントを使用し、制約のないコンポーネントを学習された回転予測器に残す。 動き予測モジュールと補正モジュールは、凍結画像エンコーダを用いて、動きから導かれる監督と共同で訓練される。 TopoCap評価プロトコルによる実験により,提案手法は,未知構造を含む異なる対象位相間の動き回復を改善することが示された。 キュレートしたMixamoベンチマークにおける参照ベースのクロススケルトン評価とユーザ嗜好調査により、異なるターゲット構造への転送をさらに評価する。 因果CAST-Bは、イメージエンコーディングとモーション予測をカバーした1つのNVIDIA A100 GPU上で51FPS以上を達成する。 コードリポジトリ: https://github.com/fankewen/CAST。

関連論文リスト

• Retargeting Motions to Diverse Skeletons via Learnable Flattening [5.105943854910561]
  クロス構造運動は、異なる骨格トポロジー間での動きを伝達することを目的としている。 既存の最先端モデルはゼロショット設定で信頼性に苦慮している。 トランスフォーマーをベースとした最近の試みは、特殊な幾何学的手法よりも優れていなかった。
  論文  参考訳（メタデータ） (2026-09-29T21:35:57Z)
• MoCapAnything V2: End-to-End Motion Capture for Arbitrary Skeletons [56.68975315643491]
  本稿では,ビデオ・ツー・ローテーションとビデオ・ツー・ローテーションを共同で学習し,最適化する,最初のエンドツーエンドフレームワークを提案する。 本手法は, メッシュベースパイプラインの20倍の速度で, 回転誤差を17度から10度, 見えない骨格では6.54度に低減する。
  論文  参考訳（メタデータ） (2026-04-30T17:16:38Z)
• DeLiVR: Differential Spatiotemporal Lie Bias for Efficient Video Deraining [21.816338275013702]
  ネットワークの注意点に直接リー群差分バイアスを注入する,効率的なビデオデラミニング手法であるDeLiVRを提案する。 回転有界リー相対バイアスは、コンパクトな予測モジュールを用いて各フレームの面内角度を予測する。 微分群変位は、速度を推定するために隣接するフレーム間の角度差を計算する。 このバイアスは、時間的減衰とアテンションマスクを組み合わせて、雨の流れの方向を正確に一致させながら、フレーム間の関係に焦点を当てる。
  論文  参考訳（メタデータ） (2025-09-26T00:29:36Z)
• Spatial Decomposition and Temporal Fusion based Inter Prediction for Learned Video Compression [59.632286735304156]
  学習ビデオ圧縮のための空間分解と時間融合に基づく相互予測を提案する。 SDDに基づく動きモデルと長時間の時間的融合により,提案した学習ビデオはより正確な相互予測コンテキストを得ることができる。
  論文  参考訳（メタデータ） (2024-01-29T03:30:21Z)
• RIDE: Self-Supervised Learning of Rotation-Equivariant Keypoint Detection and Invariant Description for Endoscopy [83.4885991036141]
  RIDEは回転同変検出と不変記述のための学習に基づく手法である。 内視鏡画像の大規模なキュレーションを自己指導的に行う。 マッチングと相対的なポーズ推定タスクに対して、最先端のパフォーマンスを新たに設定する。
  論文  参考訳（メタデータ） (2023-09-18T08:16:30Z)
• Making Reconstruction-based Method Great Again for Video Anomaly Detection [64.19326819088563]
  ビデオの異常検出は重要な問題だが、難しい問題だ。 既存の再構成に基づく手法は、昔ながらの畳み込みオートエンコーダに依存している。 連続フレーム再構築のための新しいオートエンコーダモデルを提案する。
  論文  参考訳（メタデータ） (2023-01-28T01:57:57Z)
• Implicit Motion Handling for Video Camouflaged Object Detection [60.98467179649398]
  本稿では,新しいビデオカモフラージュオブジェクト検出(VCOD)フレームワークを提案する。 短期的および長期的整合性を利用して、ビデオフレームからカモフラージュされたオブジェクトを検出する。
  論文  参考訳（メタデータ） (2022-03-14T17:55:41Z)
• MotioNet: 3D Human Motion Reconstruction from Monocular Video with Skeleton Consistency [72.82534577726334]
  モノクロビデオから3次元人間の骨格の動きを直接再構成するディープニューラルネットワークであるMotioNetを紹介した。 本手法は,動作表現を完全かつ一般的に使用するキネマティックスケルトンを直接出力する最初のデータ駆動型手法である。
  論文  参考訳（メタデータ） (2020-06-22T08:50:09Z)

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。