DeMoGen：エネルギーベース拡散モデルによる人間の動きの分解

この論文は、複雑な動きをより単純で再利用可能なコンポーネントに分解することに焦点を当てた、人間の動き生成のための新しいアプローチであるDeMoGenを紹介しています。これは、主にフォワードモデリングに焦点を当てた既存の方法からの大きな変化です。エネルギーベースの拡散モデルを使用することで、真の分解を必要とせずにモーションプリミティブを発見でき、提案されたトレーニングバリアントはモーションの構成的な理解をさらに促進します。これらのプリミティブを新しいモーション生成のために再結合できることは、より柔軟で多様なモーション合成につながる可能性のある重要な貢献です。テキスト分解データセットの作成も、この分野への貴重な貢献です。

• •人間の動き生成に対する分解的アプローチであるDeMoGenを提案。
• •モーションプリミティブを学習するために、エネルギーベースの拡散モデルを採用。
• •構成的な理解を促進するために、3つのトレーニングバリアントを導入。
• •新しいモーション生成のためにプリミティブを再結合する能力を実証。
• •構成的なトレーニングをサポートするために、テキスト分解データセットを構築。