論文の概要: ProMoDD: Dataset Distillation for 3D Human Motion via Prototype-Conditioned Diffusion Models

• arxiv url: http://arxiv.org/abs/2610.16134v1
• Date: Mon, 12 Oct 2026 03:50:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-19 07:29:02.162638
• Title: ProMoDD: Dataset Distillation for 3D Human Motion via Prototype-Conditioned Diffusion Models
• Title（参考訳）: ProMoDD: 原型導電拡散モデルによる3次元人体運動のためのデータセット蒸留
• Abstract要約: 骨格に基づく行動認識には、関節の形状や時間的連続性を損なうことなく、識別的な動きの変化を捉える必要がある。 本稿では,時間的に解決された認識特徴のクラスワイドプロトタイプ上での動作拡散モデルとして,ProMoDD(Prototype-Conditioned Motion dataset Distillation)を提案する。 次に、予算を考慮したハイブリッド選択により、各コンパクトなトレーニングセットを構築し、観測された動きの信頼性と、固定されたクラスごとのシーケンス予算の下での合成のバリエーションのバランスをとる。
• 参考スコア（独自算出の注目度）: 6.582408312900475
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Dataset distillation (DD) aims to retain the training utility of a large dataset in a much smaller set of examples. For skeleton-based action recognition, this requires capturing discriminative motion variation without disrupting the geometry and temporal continuity of articulated bodies. Directly optimizing joint coordinates can violate these constraints, while plausible motion generation alone does not ensure useful training examples. We propose Prototype-Conditioned Motion Dataset Distillation (ProMoDD), which conditions a motion diffusion model on class-wise prototypes of temporally resolved recognition features. We further tailor diffusion training to motion data, enabling the generator to model both skeletal configurations and their temporal evolution. We then construct each compact training set through budget-aware hybrid selection: representative real sequences cover densely populated regions of the pooled recognition space, while selected generated candidates complement them in less-populated regions. This couples prototype-guided generation with feature-space selection, balancing the reliability of observed motions with the variation of synthesis under a fixed per-class sequence budget. Across five difficulty-stratified subsets of the single-person classes in NTU RGB+D 60, ProMoDD achieves its largest gains under tight distillation budgets, reaching 40.32% top-1 accuracy on Full49 with three sequences per class, 4.57 percentage points above class-wise k-means. These gains reflect the complete framework. The same distilled sets train ST-GCN, MS-G3D, and CTR-GCN without regeneration.
• Abstract（参考訳）: データセット蒸留(DD)は、大規模なデータセットのトレーニングユーティリティを、はるかに小さな例で維持することを目的としている。 骨格に基づく行動認識には、関節の形状や時間的連続性を損なうことなく、識別的な動きの変化を捉える必要がある。 関節座標を直接最適化することはこれらの制約に違反する可能性があるが、可視運動生成だけでは有用なトレーニング例が得られない。 本稿では,時間的に解決された認識特徴のクラスワイドプロトタイプ上での動作拡散モデルとして,ProMoDD(Prototype-Conditioned Motion Dataset Distillation)を提案する。 我々はさらに、運動データに対する拡散訓練を調整し、ジェネレータが骨格構成と時間的進化の両方をモデル化できるようにする。 次に、予算を考慮したハイブリッド選択により、各コンパクトなトレーニングセットを構築する: プール化された認識空間の人口密度の高い領域を代表的実列でカバーし、選択された候補は、人口の少ない領域でそれらを補完する。 これは、特徴空間選択を伴うプロトタイプ誘導生成を結合し、観測された動きの信頼性と、固定されたクラスごとのシーケンス予算の下での合成のバリエーションのバランスをとる。 NTU RGB+D 60の1人クラスの難易度の高い5つのサブセットの中で、ProMoDDは厳格な蒸留予算の下で最大の利益を上げ、クラス毎の3つのシーケンスでFull49で40.32%、クラス毎のk平均よりも4.57ポイントの精度を達成した。 これらの利益は完全なフレームワークを反映している。 同じ蒸留セットは再生せずにST-GCN、MS-G3D、CTR-GCNを訓練する。

関連論文リスト

• Long-Tailed 3D Point Cloud Dataset Distillation [18.05678410189331]
  本研究は, 長尾点クラウド・データセットの蒸留に関する最初の研究である。 我々のフレームワークは、2つのコアモジュールによる長い尾のクラス分布を明示的に説明します。 本研究では,ShapeNet55における最先端手法に対する分類精度を7.0ポイント引き上げる。
  論文  参考訳（メタデータ） (2026-07-29T11:04:01Z)
• 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)
• ViPS: Video-informed Pose Spaces for Auto-Rigged Meshes [55.32681167870698]
  Video-informed Pose Spaces (ViPS)は、自動リップメッシュのための有効な調律の潜時分布を検出するフィードフォワードフレームワークである。 ViPSは生成ビデオの先行値を所定のリグパラメータ化上の普遍分布に転送する。 評価の結果,VPSは,合成アーティストが作成した4Dデータに基づいて訓練した最先端の手法の性能と,妥当性と多様性の両面で一致していることがわかった。
  論文  参考訳（メタデータ） (2026-04-19T21:21:11Z)
• Adapt-As-You-Walk Through the Clouds: Training-Free Online Test-Time Adaptation of 3D Vision-Language Foundation Models [4.9608847222581005]
  3D Vision-Language Foundation Models (VLFMs) は強力な一般化とゼロショット認識能力を示している。 動的プロトタイプ学習に基づく3次元VLFMのトレーニング不要なオンラインテスト時間適応戦略であるUni-Adapterを提案する。
  論文  参考訳（メタデータ） (2025-11-19T10:22:22Z)
• Articulated Kinematics Distillation from Video Diffusion Models [64.18346374534352]
  Articulated Kinematics Distillation (AKD)は、高忠実度キャラクターアニメーションを生成するためのフレームワークである。 AKDはスケルトンに基づく3Dアセットの表現を使用しており、自由度(DoF)を大幅に削減している。 AKDは構造的整合性を維持しながら複雑な関節運動を蒸留する。
  論文  参考訳（メタデータ） (2025-04-01T21:37:57Z)
• A Lesson in Splats: Teacher-Guided Diffusion for 3D Gaussian Splats Generation with 2D Supervision [65.33043028101471]
  本稿では,2次元監視のみを用いた3次元画像調和拡散モデルの学習フレームワークを提案する。 既存の3D生成モデルは、大規模な3Dデータセットが不足しているため、完全に3Dの監視に依存している。
  論文  参考訳（メタデータ） (2024-12-01T00:29:57Z)
• DiTMoS: Delving into Diverse Tiny-Model Selection on Microcontrollers [34.282971510732736]
  我々は、セレクタ分類器アーキテクチャを備えた新しいDNNトレーニングおよび推論フレームワークであるDiTMoSを紹介する。 弱いモデルの合成は高い多様性を示すことができ、それらの結合は精度の上限を大幅に高めることができる。 我々は,Nucleo STM32F767ZIボード上にDiTMoSをデプロイし,人間の活動認識,キーワードスポッティング,感情認識のための時系列データセットに基づいて評価する。
  論文  参考訳（メタデータ） (2024-03-14T02:11:38Z)
• A Generically Contrastive Spatiotemporal Representation Enhancement for 3D Skeleton Action Recognition [10.403751563214113]
  本稿では, 比較時空間表現拡張(CSRE)フレームワークを提案する。 具体的には、その表現を空間的特徴と時間的特徴に分解し、微細な動きパターンを探索する。 潜伏したデータ分布を明示的に活用するために、コントラスト学習に注意的特徴を用いて、クロスシーケンスセマンティックリレーションをモデル化する。
  論文  参考訳（メタデータ） (2023-12-23T02:54:41Z)

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。