論文の概要: ChoreoStudio: Planning What, When, and Who in Music-Driven Group Choreography

• arxiv url: http://arxiv.org/abs/2610.32325v1
• Date: Fri, 23 Oct 2026 08:23:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 01:38:06.43338
• Title: ChoreoStudio: Planning What, When, and Who in Music-Driven Group Choreography
• Title（参考訳）: ChoreoStudio: 何、いつ、誰が、音楽駆動のグループコレオグラフィーを計画する
• Abstract要約: 振付計画を明確にするChoreoStudioについて紹介する。 凍結したオムニモーダルモデルは脚本家として機能し、ディレクターの振付計画を導くグローバルな意味記述を生成する。 AIOZ-GDanceの実験では、ChoreoStudioは計画されたインタラクションに従い、最先端のパフォーマンスを実現している。
• 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: Music-driven group dance generation must decide not only how each dancer moves, but also what formation the group should form, when it should change, and who should execute each transition. Existing methods can generate orderly and rhythmically synchronized group motion, but remain limited in formation evolution and inter-dancer interaction. In human choreography, formation transitions often align with changes in high-level musical structure, such as the progression from an introduction to a chorus or from a chorus to a climax. We present ChoreoStudio, which makes choreography planning explicit. A music disentangler first decomposes the audio into frame-level rhythmic features and segment-level structural features. Given the segment-level features and sparse labels, a frozen omni-modal model acts as a scriptwriter, producing a global semantic description that guides the Director's choreography planning. Based on this context, the Director produces three coupled interaction decisions: a centroid-relative point set specifies what formation to produce, a transition gate determines when it should change, and a mobility allocation indicates who should execute the transition. The transition gate and mobility allocation are further conditioned on the planned geometric change, coupling formation targets with their temporal and dancer-specific execution. At a finer temporal scale, frame-aligned music features condition the diffusion generator to control detailed body motion and preserve beat-level alignment. The segment-level interaction plan is injected in parallel through frame-aligned instruction tokens and cross-dancer attention biases, coordinating how the generator realizes each transition. Experiments on AIOZ-GDance demonstrate that ChoreoStudio follows the planned interactions while achieving state-of-the-art performance in motion quality, group organization, and formation dynamics.
• Abstract（参考訳）: 音楽駆動のグループダンス生成は、それぞれのダンサーの動きだけでなく、どのグループを形成するべきか、いつ変更し、誰が移行を行うべきかを判断する必要がある。 既存の方法は秩序的でリズミカルに同期されたグループ運動を生成できるが、形成の進化とダンサー間の相互作用に制限される。 ヒトのコレオグラフィーでは、構成遷移はしばしば、コーラスの導入やコーラスからクライマックスへの進行など、高いレベルの音楽構造の変化と一致している。 振付計画を明確にするChoreoStudioについて紹介する。 音楽ディスタングルは、まず、音声をフレームレベルのリズム特徴とセグメントレベルの構造特徴に分解する。 セグメントレベルの特徴とスパースラベルを考えると、凍結したオムニモーダルモデルがスクリプトとして機能し、ディレクターの振付計画の指針となるグローバルな意味記述を生成する。 この文脈に基づいて、ディレクタは3つの結合した相互作用決定を生成する: セントロイド相対点集合は、生成する生成物を指定する、遷移ゲートは、それがいつ変更されるべきかを決定する、モビリティアロケーションは、誰が移行を実行するべきかを示す。 トランジションゲートとモビリティアロケーションは、計画された幾何学的変化、時間的およびダンサー固有の実行との結合ターゲットにさらに条件付けされる。 より微細な時間スケールでは、フレームアライメント音楽は、詳細な体の動きを制御し、ビートレベルのアライメントを維持する拡散発生器の条件を特徴とする。 セグメントレベルのインタラクションプランは、フレーム整列命令トークンとクロスダックアテンションバイアスを通じて並列に注入され、ジェネレータがそれぞれの遷移をどのように実現するかを調整する。 AIOZ-GDanceの実験では、ChoreoStudioは、動きの質、グループ構成、形成ダイナミクスの最先端性能を達成しつつ、計画された相互作用に従うことを示した。

関連論文リスト

• Breaking the Group Size Barrier: Parameter-Efficient Group Dance Generation with Chain-of-Dancers [26.172954957989845]
  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。
  論文  参考訳（メタデータ） (2026-10-08T04:37:07Z)
• InterSing: Explicit Interaction Dynamics for 3D Duet Singing Animation and Beyond [56.764269093059504]
  InterSingは、デュエット歌唱パフォーマンスのためのリアルな3Dヘッド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。 InterSingは、既存の方法よりもコーディネーションと音楽アライメントの強い、現実的で表現力のある歌唱ヘッドアニメーションを生成する。
  論文  参考訳（メタデータ） (2026-09-04T09:02:52Z)
• Music-to-Dance Generation via Atomic Movements [67.09789936557199]
  音楽駆動ダンス生成は、リズミカルに同期し、音楽と意味的に整合した人間の動きを作り出すことを目的としている。 そこで我々は,コレオグラフィーを原子運動と解釈可能な動作事象の系列としてモデル化する構造認識フレームワークを提案する。 本手法は,既存のベースラインと比較して,構造的コヒーレンス,リズム的アライメント,知覚的自然さを著しく改善したダンスを生成する。
  論文  参考訳（メタデータ） (2026-07-15T16:03:55Z)
• DuetGen: Music Driven Two-Person Dance Generation via Hierarchical Masked Modeling [70.79846001735547]
  音楽から対話的な2人舞踊を生成するためのフレームワークであるDuetGenを提案する。 近年の運動合成の進歩に触発されて,我々は2段階の解法を提案する。 我々は、両方のダンサーの動きを統合された全体として表現し、必要な動きトークンを学習する。
  論文  参考訳（メタデータ） (2025-06-23T14:22:50Z)
• 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)
• 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)
• Rhythm is a Dancer: Music-Driven Motion Synthesis with Global Structure [47.09425316677689]
  本稿では、入力ビートと同期した人間の動作の長期シーケンスを生成する音楽駆動型モーション合成フレームワークを提案する。 我々のフレームワークは、ビートだけでなく、音楽の内容によって制御される多様な動きの生成を可能にする。
  論文  参考訳（メタデータ） (2021-11-23T21:26:31Z)

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。