본 논문은 댄스 동작에 맞춰 리듬감 있고 시간적으로 일치하는 음악을 자동 생성하는 D2M(Dance-to-Music) 생성 모델인 GACA-DiT를 제안합니다. GACA-DiT는 두 가지 혁신적인 모듈을 통해 기존 방법의 문제점을 해결합니다. 첫째, 장르 적응형 리듬 추출 모듈은 다중 스케일 시간 웨이블릿 분석, 공간 위상 히스토그램, 적응형 관절 가중치를 결합하여 미세한 리듬 패턴을 포착합니다. 둘째, 컨텍스트 인식 시간 정렬 모듈은 학습 가능한 컨텍스트 쿼리를 사용하여 시간 불일치를 해결하고 음악 잠재 변수를 관련 댄스 리듬 특징과 정렬합니다. AIST++ 및 TikTok 데이터셋에 대한 실험 결과, GACA-DiT는 객관적 지표와 인간 평가 모두에서 기존 최고 성능 모델을 능가했습니다.
