論文の概要: TopX: Text-to-Motion for Unseen Skeletons from the Skeleton File Alone

• arxiv url: http://arxiv.org/abs/2610.34321v1
• Date: Sun, 25 Oct 2026 14:31:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.577868
• Title: TopX: Text-to-Motion for Unseen Skeletons from the Skeleton File Alone
• Title（参考訳）: TopX:Skeletonファイルアローンから未知のSkeletonのテキスト・トゥ・モーション
• Abstract要約: テキスト・トゥ・モーション(text-to-motion)モデルでは、トレーニングされたスケルトンが生成され、新しいキャラクタがスケルトンファイルとして到着する。 トレーニングクリップを使用せず、文字のクリップもテンプレートも、正規化も、微調整もせずに、フレーム間のテキスト・トゥ・モーションを調査する。 そこで本研究では,木からキネマティックツリーを生成し,ポーズとジョイント名を生成する,フレーム当たり73Mの変換器TopXを提案する。 SkelShift: 4つのモーションコーパスを、142,334のキャプション付きクリップで4対4の関節で作る。
• 参考スコア（独自算出の注目度）: 4.9460776826182355
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Text-to-motion models generate for the skeletons they were trained on, while a new character arrives as a skeleton file and nothing else. We study text-to-motion for skeletons that no training clip has used, with no clips of the character, no template, no retargeting and no fine-tuning. We present TopX, a 73M-parameter flow-matching transformer that generates joint rotations and a root trajectory for any kinematic tree from its tree, rest pose and joint names. Motion is normalised by the rest pose and the size of the skeleton, and the rest pose enters as a world-frame descriptor that does not depend on how the rig's author oriented each joint, with rest conventions randomised in training. Attention is factorised over the joints and the frames of a motion and carries a spatial--temporal encoding designed for skeleton graphs of any topology: queries and keys are rotated across joints by a heat-kernel coordinate of the skeleton graph, which is defined for every tree and does not change with the order of its joints or the eigenbasis of its Laplacian, and across frames by a rotary encoding of frame order. To measure what this buys, we build SkelShift: four motion corpora under one codec, 143,334 captioned clips on skeletons of 4 to 142 joints, from which 4,232 clips on 2,043 skeletons are held out by clip, rig, tree class or species and organised along topology, joint count, body plan, species and rig source, and scored by motion quality: Fréchet distances on public kinetic features and on kinematic descriptors, foot skating and ground contact. Against UniMate trained on the same clips, on test rigs without a training clip, TopX lowers the descriptor FID from 5.73 to 4.58 when UniMate's guidance is tuned for the kinetic FID, and the kinetic FID from 1.48 to 0.55 when it is tuned for the descriptor FID, also on motions no training skeleton performs; fewer of its frames sink below the ground.
• Abstract（参考訳）: テキスト・トゥ・モーション(text-to-motion)モデルでは、トレーニングされたスケルトンが生成され、新しいキャラクタがスケルトンファイルとして到着する。 トレーニングクリップを使わず、文字のクリップもテンプレートも再ターゲティングも微調整もない骨格のテキスト・トゥ・モーションについて検討した。 73Mパラメータフローマッチング変換器であるTopXについて, 木, レストポーズ, ジョイントネームから, 任意のキネマティックツリーに対して, 関節回転と根軌道を生成する。 動きは、残りのポーズと骨格の大きさによって正規化され、残りのポーズは、リグの著者がそれぞれの関節をどのように指向するかに依存しないワールドフレーム記述子として入ってくる。 任意のトポロジーのスケルトングラフ用に設計された空間的時間的エンコーディング: クエリとキーは、すべての木で定義され、ラプラシアンの関節の順序や固有基底に従って変化しない、スケルトングラフのヒートカーネル座標によって関節を横断して回転する。 2,043個の骨格の4,232個のクリップは、クリップ、リグ、ツリークラスまたは種によって保持され、トポロジー、関節数、ボディプラン、種、およびリグソースに沿って編成され、運動品質によって測定される。 同じクリップで訓練されたUniMateに対して、トレーニングクリップのないテストリグでは、TopXは、UniMateの指導が運動的FIDにチューニングされたとき、ディスクリプタFIDを5.73から4.58に下げ、ディスクリプタFIDにチューニングされたとき、運動的FIDを1.48から0.55に下げる。

関連論文リスト

• TAME:Topology-Aware Text-Driven Motion Editing across Heterogeneous Humanoid Skeletons [61.432542292890275]
  Topology-Aware Motion Editor (TAME)は、様々なトポロジーのヒューマノイド骨格の運動を編集するフローマッチングトランスフォーマーである。 骨格的注意を各キャラクターの階層に従わせるために、TAMEはトポロジー制約された骨格的伝播によって完全な関節的注意を置き換える。 この設定をトレーニング可能かつ同等にするために,MotionFixのマルチトポロジー拡張であるTopoMotionFixを構築した。
  論文  参考訳（メタデータ） (2026-10-03T13:49:43Z)
• UniMate: One Unified Model to Animate Diverse Skeletons [22.957889325110912]
  任意の骨格の関節運動を3Dアセットとテキストプロンプトから合成する基礎モデルUniMateを提案する。 UniMateは、骨格トポロジを注意に組み込むトポロジ対応拡散トランスフォーマーを導入している。 また,二足歩行,四足歩行,鳥類,海産,昆虫型,セルペンチン,関節状固形物を対象とし,UniML3D,13,006の運動配列を治療した。
  論文  参考訳（メタデータ） (2026-09-04T17:59:00Z)
• SAMoR: Motion Modelling for Articulated Objects of Any Skeleton and Topology [46.893067487418314]
  本稿では,各動作セグメントを小さな固定数として符号化するクロストポロジー運動表現であるSAMoRを紹介する。 グラフ変換器エンコーダは、関節運動特徴、運動グラフ構造、結合名埋め込みを消費し、それを部分レベルトークンに圧縮する。 部分クエリが冗長なグローバル表現に崩壊しないように、トポロジーに依存しない注意監視損失を導入する。
  論文  参考訳（メタデータ） (2026-07-02T13:24:47Z)
• NECromancer: Breathing Life into Skeletons via BVH Animation [25.254783224309477]
  運動トークン化(英: Motion tokenization)は、一般化可能な運動モデルの主要な構成要素である。 本稿では,任意のBVH骨格を直接操作するユニバーサルモーショントークンであるNEC(NEC)を提案する。 結果として生じるトークン空間は、クロススペックのモーショントランスファー、合成、ノイズ化、トークンベースのモデルによる生成、テキストモーション検索をサポートする。
  論文  参考訳（メタデータ） (2026-02-06T09:52:29Z)
• AnyTop: Character Animation Diffusion with Any Topology [54.07731933876742]
  我々は,異なる動きダイナミクスを持つ多種多様な文字に対する動きを生成する拡散モデルであるAnyTopを紹介する。 我々の研究は、任意の骨格学習に適したトランスフォーマーベースの認知ネットワークを特徴としている。 我々の評価では、AnyTopsはトポロジー当たりのトレーニング例が3つも少なく、見えない骨格の運動も生成できる。
  論文  参考訳（メタデータ） (2025-02-24T17:00:36Z)
• Learning Skeletal Articulations with Neural Blend Shapes [57.879030623284216]
  あらかじめ定義された骨格構造を有するエンベロープを用いて3次元文字を表現できるニューラルテクニックを開発している。 我々のフレームワークは、同じ調音構造を持つリグとスキンキャラクタを学習する。 関節領域の変形品質を向上させるニューラルブレンディング形状を提案します。
  論文  参考訳（メタデータ） (2021-05-06T05:58:13Z)
• 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。