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

• arxiv url: http://arxiv.org/abs/2610.34321v2
• Date: Wed, 28 Oct 2026 22:09:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-30 22:39:27.495052
• 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: 本研究では、文字やテンプレート、微調整のクリップを使わずに、訓練中に見えない骨格のテキスト・トゥ・モーションについて研究する。 TopXは、すべてのベンチマークスケルトン(4-117関節)をそのスケルトンファイルから直接使い、最大240フレームを生成する。 ホールドアウトゲームでは、実際のクリップの2ハーフが互いに関連しているのと同じくらい、実際のクリップに近い動きをする。
• 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 motion only 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 unseen in training, without clips of the character, templates, retargeting or fine-tuning. We present TopX, a 73M-parameter flow-matching transformer that generates joint rotations and a root trajectory for any skeleton from its kinematic tree, rest pose and joint names. Motion is normalised by the rest pose and the size of the skeleton, and the rest pose is encoded as a world-frame descriptor that is independent of how the rig's author oriented each joint, while rest conventions are randomised during training. Attention is factorised over the joints and the frames of a motion. Across joints, queries and keys are rotated by HK-RoPE, a heat-kernel rotary encoding of the skeleton graph that is defined for every tree and does not change with the order of its joints or the eigenbasis of its Laplacian; across frames, they are rotated by a rotary encoding of frame order. To evaluate this generalisation, we build SkelShift, which unifies four motion corpora under one codec and holds out whole skeletons, tree classes and species, so that each test bucket isolates one kind of skeleton shift: topology, joint count, body plan, species or rig source. It scores motion quality without a learned evaluator. A single model animates every benchmark skeleton (4--117 joints) directly from its skeleton file and generates up to 240 frames. On held-out game species its motion is about as close to the real clips as two halves of the real clips are to each other (kernel distance 0.127 against 0.124), and text-to-motion retrieval reaches R@1 0.953, compared with 0.929 for real motion. Project page: https://chdtevior.github.io/TopX-page/.
• Abstract（参考訳）: テキスト・トゥ・モーションのモデルでは、トレーニングされた骨格のみの動きが生成され、新しいキャラクターが骨格ファイルとして到着する。 本研究では,文字,テンプレート,リターゲティング,微調整のクリップを使わずに,訓練中に見え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, 運動木, レストポーズ, ジョイントネームから, 任意の骨格に対して, 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向き付けたかに依存しない世界フレーム記述子としてエンコードされ、残りの規則はトレーニング中にランダム化される。 動きの関節とフレームに注意を分解する。 関節、クエリ、キーは、すべての木に対して定義され、その関節の順序やラプラシアンの固有基底によって変化しない骨格グラフの熱カーネル回転符号化であるHK-RoPEによって回転され、フレーム全体ではフレーム秩序の回転符号化によって回転される。 この一般化を評価するため、私たちはSkelShiftを構築し、SkelShiftは1つのコーデックの下に4つの運動コーパスを統一し、すべての骨格、木クラス、種を保有し、各テストバケットはトポロジー、関節数、体平面、種またはリグソースの1つの種類の骨格シフトを分離する。 学習した評価者なしで動きの質を評価する。 単一のモデルでは、すべてのベンチマークスケルトン(4--117関節)をそのスケルトンファイルから直接使い、最大240フレームを生成する。 保持されたゲーム種では、実際のクリップの2ハーフが互いに近い(カーネル距離0.127対0.124)ため、実際のモーションでは0.929に比べてテキスト間検索がR@1 0.953に達する。 プロジェクトページ: https://chdtevior.github.io/TopX-page/。

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。