HuTuMotion: Human-Tuned Navigation of Latent Motion Diffusion Models with Minimal Feedback

要約

HuTuMotion を紹介します。これは、人間の自然な動作を生成するための革新的なアプローチであり、数ショットの人間によるフィードバックを活用して潜在動作拡散モデルをナビゲートします。
標準正規事前分布から潜在変数をサンプリングする既存のアプローチとは異なり、私たちの方法は、人間のフィードバックによって示されるように、データの特性によりよく適合するように事前分布を適応させるため、モーション生成の品質が向上します。
さらに、私たちの調査結果は、数回のショットのフィードバックを利用することで、人間による広範なフィードバックによって達成されるパフォーマンス レベルと同等のパフォーマンス レベルを実現できることを明らかにしました。
この発見は、パーソナライズされたスタイルを意識した人間の動作生成アプリケーションのための潜在拡散モデル内に、少数ショットの人間主導の最適化を組み込む可能性と効率性を強調しています。
実験結果は、既存の最先端のアプローチと比較して、私たちの方法のパフォーマンスが大幅に優れていることを示しています。

要約(オリジナル)

We introduce HuTuMotion, an innovative approach for generating natural human motions that navigates latent motion diffusion models by leveraging few-shot human feedback. Unlike existing approaches that sample latent variables from a standard normal prior distribution, our method adapts the prior distribution to better suit the characteristics of the data, as indicated by human feedback, thus enhancing the quality of motion generation. Furthermore, our findings reveal that utilizing few-shot feedback can yield performance levels on par with those attained through extensive human feedback. This discovery emphasizes the potential and efficiency of incorporating few-shot human-guided optimization within latent diffusion models for personalized and style-aware human motion generation applications. The experimental results show the significantly superior performance of our method over existing state-of-the-art approaches.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google