PMG: Progressive Motion Generation via Sparse Anchor Postures Curriculum Learning

要約

コンピューターアニメーション、ゲームデザイン、および人間コンピューターの相互作用では、ユーザーの意図と整合する人間の動きを合成することは依然として重要な課題です。
既存の方法には顕著な制限があります。テキストアプローチは高レベルのセマンティックガイダンスを提供しますが、複雑なアクションを正確に説明するのに苦労しています。
軌道ベースの手法は、直感的なグローバルな動きの方向を提供しますが、多くの場合、正確またはカスタマイズされた文字の動きを生成するのに不足しています。
アンカーポーズ誘導法は、通常、単純なモーションパターンのみを合成するために限定されます。
より制御可能で正確な人間の動きを生成するために、\ textBf {promogen（Progressive Motion Generation）}を提案します。これは、軌道ガイダンスをまばらなアンカーモーションコントロールと統合する新しいフレームワークです。
グローバルな軌跡は、空間的方向と変位の一貫性を確保し、スパースアンカーの動きは、変位なしで正確なアクションガイダンスのみを提供するだけです。
この分離により、両方の側面を独立した改良性が可能になり、より制御可能で高忠実度が高く、洗練されたモーション合成が生じます。
Promogenは、統一されたトレーニングプロセス内でデュアルコントロールパラダイムと単一制御パラダイムの両方をサポートします。
さらに、まばらな動きからの直接学習は本質的に不安定であることを認識しています。\ textbf {sap-cl（スパースアンカー姿勢カリキュラム学習）}を紹介します。
広範な実験は、プロモジェンが事前に定義された軌跡と任意のアンカーフレームによって導かれる鮮やかで多様な動きの合成に優れていることを示しています。
私たちのアプローチは、パーソナライズされた動きを構造化されたガイダンスとシームレスに統合し、複数の制御シナリオで最先端の方法を大幅に上回っています。

要約(オリジナル)

In computer animation, game design, and human-computer interaction, synthesizing human motion that aligns with user intent remains a significant challenge. Existing methods have notable limitations: textual approaches offer high-level semantic guidance but struggle to describe complex actions accurately; trajectory-based techniques provide intuitive global motion direction yet often fall short in generating precise or customized character movements; and anchor poses-guided methods are typically confined to synthesize only simple motion patterns. To generate more controllable and precise human motions, we propose \textbf{ProMoGen (Progressive Motion Generation)}, a novel framework that integrates trajectory guidance with sparse anchor motion control. Global trajectories ensure consistency in spatial direction and displacement, while sparse anchor motions only deliver precise action guidance without displacement. This decoupling enables independent refinement of both aspects, resulting in a more controllable, high-fidelity, and sophisticated motion synthesis. ProMoGen supports both dual and single control paradigms within a unified training process. Moreover, we recognize that direct learning from sparse motions is inherently unstable, we introduce \textbf{SAP-CL (Sparse Anchor Posture Curriculum Learning)}, a curriculum learning strategy that progressively adjusts the number of anchors used for guidance, thereby enabling more precise and stable convergence. Extensive experiments demonstrate that ProMoGen excels in synthesizing vivid and diverse motions guided by predefined trajectory and arbitrary anchor frames. Our approach seamlessly integrates personalized motion with structured guidance, significantly outperforming state-of-the-art methods across multiple control scenarios.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google