論文の概要: HAPACT: A Benchmark For Human-Centric Physical Impact Localization in Movies

• arxiv url: http://arxiv.org/abs/2610.22895v1
• Date: Fri, 16 Oct 2026 03:53:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 00:56:07.759765
• Title: HAPACT: A Benchmark For Human-Centric Physical Impact Localization in Movies
• Title（参考訳）: HAPACT:映画における人間中心の物理的インパクトローカライゼーションのベンチマーク
• Abstract要約: ビデオ内で時間的および空間的に人体に与える影響を定位する新しいタスクである、人間中心のインパクトローカライゼーションを導入する。 我々は,フレームレベルの時間的空間的粒度とSMPL-Xに基づく空間的粒度に対する,ビューアーグラウンドのアノテーション,テキスト条件のローカライゼーション,および監視を中心にHAPACTを構築した。 ベンチマークの結果、既存の手法では物理インパクトローカライゼーションは依然として困難であり、ビデオの物理的影響推論をサポートするための専用のベンチマークとしてHAPACTを動機付けている。
• 参考スコア（独自算出の注目度）: 18.257254974447804
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Physical reasoning about humans in videos has largely focused on everyday interactions, where contact, pressure, pose, and motion support embodied perception and contact-aware applications. Still, short and forceful properties like impact events remain relatively underexplored, despite their relevance to broader understanding of how abrupt physical events affect the human body. To fill this gap, we introduce human-centric impact localization, a new task that localizes target physical impacts temporally within a video and spatially on the human body. We further present HAPACT, a HumAn-centric imPACT dataset and benchmark built from movie clips, containing over 2.8K video-query pairs with more than 20K fine-grained human-annotated frames. We built HAPACT around viewer-grounded annotation, text-conditioned localization, and supervision at frame-level temporal and SMPL-X-based spatial granularity. To demonstrate the effectiveness of our benchmark, we conduct extensive evaluations of existing methods, employing video moment retrieval models for temporal localization and human-scene contact models for spatial localization. For the spatial task, we propose a text-conditioned baseline by reformulating localization as query-guided body-region selection. Benchmark results show that physical impact localization remains challenging for existing methods, motivating HAPACT as a dedicated benchmark to support physical impact reasoning in videos.
• Abstract（参考訳）: ビデオにおける人間の身体的推論は、接触、圧力、ポーズ、そしてモーションサポートが知覚と接触認識の応用を具体化する日々の相互作用に主に焦点を当てている。 それでも、衝撃イベントのような短命で力強い性質は、人体に突然の物理的事象がどう影響するかを広く理解しているにもかかわらず、比較的過小評価されている。 このギャップを埋めるために、ビデオ内で時間的および空間的に人体に的を絞った物理的影響を局所化する新しいタスクである、人間中心のインパクトローカライゼーションを導入する。 HAPACTはHumAn中心のImPACTデータセットであり、ビデオクリップから構築されたベンチマークであり、20K以上の微粒な人間の注釈付きフレームを持つ2.8Kのビデオクエリーペアを含んでいる。 我々は,フレームレベルの時間的空間的粒度とSMPL-Xに基づく空間的粒度に対する,ビューアーグラウンドのアノテーション,テキスト条件のローカライゼーション,および監視を中心にHAPACTを構築した。 提案手法の有効性を実証するために,時間的局所化のための映像モーメント検索モデルと空間的局所化のためのヒューマンシーン接触モデルを用いて,既存の手法を広範囲に評価する。 空間的課題に対して,クエリ誘導された身体領域選択として局所化を改定し,テキスト条件付きベースラインを提案する。 ベンチマークの結果、既存の手法では物理インパクトローカライゼーションは依然として困難であり、ビデオの物理的影響推論をサポートするための専用のベンチマークとしてHAPACTを動機付けている。

関連論文リスト

• HiPHI: A Large-Scale Benchmark for High-Precision Human Motion and Object-Interaction [48.4618478154232]
  HiPHIは600時間以上の高忠実度人体モーションデータセットである。 フルボディの人間の動きとメッシュレベルの物体軌跡に対して、サブミリメートルの空間マーカー追跡精度を提供する。 本稿では,動作空間の多様性,インタラクショングラウンド,オブジェクトの一貫性,物理AIアプリケーションを評価するベンチマークスイートを紹介する。
  論文  参考訳（メタデータ） (2026-08-17T07:54:26Z)
• SocialMirror: Reconstructing 3D Human Interaction Behaviors from Monocular Videos with Semantic and Geometric Guidance [49.69016078147708]
  密接な相互作用シナリオにおける人間の行動の正確な再構築は、拡張現実における現実的な仮想インタラクションの実現に不可欠である。 本稿では,これらの問題に効果的に対処するための意味的および幾何学的手がかりを統合する拡散ベースのフレームワークであるSocialMirrorを提案する。 SocialMirrorはインタラクティブなヒューマンメッシュを再構築する上で,最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2026-04-15T07:41:52Z)
• GenHOI: Towards Object-Consistent Hand-Object Interaction with Temporally Balanced and Spatially Selective Object Injection [54.879037588415656]
  GenHOIは、事前訓練されたビデオ生成モデルに対する軽量な拡張である。 参照オブジェクト情報を時間的にバランスよく空間的に選択的に注入する。 GenHOIは最先端のHOI再現やオールインワンのビデオ編集方法よりも優れています。
  論文  参考訳（メタデータ） (2026-03-06T09:01:09Z)
• Generative Action Tell-Tales: Assessing Human Motion in Synthesized Videos [4.872114804382539]
  実世界の人間の行動の学習された潜在空間から導かれる新しい評価基準を導入する。 本手法は、外見に依存しない人間の骨格幾何学的特徴と外見に基づく特徴を融合させることにより、実世界の動きのニュアンス、制約、時間的滑らかさをまず捉える。 生成した映像から,この学習された実世界の行動分布との距離を計測することにより,その行動の質を定量化する。
  論文  参考訳（メタデータ） (2025-12-01T15:36:33Z)
• Optimizing Human Pose Estimation Through Focused Human and Joint Regions [18.37601213802529]
  人間のポーズ推定は、アクション認識、スポーツ分析、監視など、幅広い斬新で魅力的な応用を生み出している。 従来の方法は、対象の人体に焦点をあてるのではなく、すべてのピクセルから動きの手がかりを学習し、背景の変化や他者の動きといった重要でない情報によって容易に誤解され、破壊される。 本稿では,不重要な図形領域をマスキングしながら,対象の人体やキーポイントに徐々にズームインする,粗い視覚トークンの精細化を行う2層型Human-Keypoint Maskモジュールを提案する。 提案手法は3つの大規模ベンチマークにおける最先端性能を実現する。
  論文  参考訳（メタデータ） (2025-01-24T12:17:47Z)
• Trajectory Optimization for Physics-Based Reconstruction of 3d Human Pose from Monocular Video [31.96672354594643]
  本研究は,単眼映像から身体的に可視な人間の動きを推定する作業に焦点をあてる。 物理を考慮しない既存のアプローチは、しばしば運動人工物と時間的に矛盾した出力を生み出す。 提案手法は,Human3.6Mベンチマークにおける既存の物理法と競合する結果が得られることを示す。
  論文  参考訳（メタデータ） (2022-05-24T18:02:49Z)
• HSPACE: Synthetic Parametric Humans Animated in Complex Environments [67.8628917474705]
  我々は、複雑な屋内および屋外環境に置かれたアニメーション人間による大規模な写真リアルデータセット、Human-SPACEを構築した。 年齢、性別、比率、民族性の異なる数百の個人と数百の動きとシーンを組み合わせて、100万フレームを超える最初のデータセットを生成します。 アセットは大規模に自動生成され、既存のリアルタイムレンダリングやゲームエンジンと互換性がある。
  論文  参考訳（メタデータ） (2021-12-23T22:27:55Z)
• Skeleton-Based Mutually Assisted Interacted Object Localization and Human Action Recognition [111.87412719773889]
  本研究では,骨格データに基づく「相互作用対象の局所化」と「人間の行動認識」のための共同学習フレームワークを提案する。 本手法は,人間の行動認識のための最先端の手法を用いて,最高の,あるいは競争的な性能を実現する。
  論文  参考訳（メタデータ） (2021-10-28T10:09:34Z)
• Weakly Supervised Human-Object Interaction Detection in Video via Contrastive Spatiotemporal Regions [81.88294320397826]
  システムは、ビデオに人間と物体の相互作用が存在するか、あるいは人間と物体の実際の位置を知らない。 文節から収集した人-物間相互作用による6.5k以上のビデオからなるデータセットを提案する。 ビデオデータセットのアノテーションに適応した弱教師付きベースラインの性能向上を実証した。
  論文  参考訳（メタデータ） (2021-10-07T15:30:18Z)

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。