Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

ExGes: Expressive Human Motion Retrieval and Modulation for Audio-Driven Gesture Synthesis

Created by
  • Haebom
Category
Empty

저자

Xukun Zhou, Fengxin Li, Ming Chen, Yan Zhou, Pengfei Wan, Di Zhang, Yeying Jin, Zhaoxin Fan, Hongyan Liu, Jun He

개요

본 논문은 오디오 기반 인간 제스처 합성을 위한 새로운 프레임워크인 ExGes를 제안합니다. 기존 방법들의 거친 제스처, 표현력 부족, 오디오 의미와의 불완전한 정합 문제를 해결하기 위해, ExGes는 세 가지 핵심 설계를 도입합니다: (1) 훈련 데이터셋을 사용한 제스처 라이브러리 구축 (Motion Base Construction), (2) 대조 학습과 모멘텀 증류를 활용한 세밀한 참조 자세 검색 (Motion Retrieval Module), (3) 부분 마스킹과 확률적 마스킹을 통합하여 유연하고 세밀한 제어를 가능하게 하는 정밀 제어 모듈 (Precision Control Module). BEAT2 데이터셋에서의 실험 결과, ExGes는 EMAGE에 비해 Frechet Gesture Distance를 6.2% 감소시키고 동작 다양성을 5.3% 향상시켰으며, 사용자 연구 결과 자연스러움과 의미 관련성 측면에서 71.3%의 선호도를 보였습니다.

시사점, 한계점

•
시사점:
◦
오디오 기반 제스처 합성 분야에서 기존 방법들의 한계를 극복하는 새로운 프레임워크 제시
◦
대조 학습과 모멘텀 증류 기법을 활용한 효과적인 참조 자세 검색
◦
부분 및 확률적 마스킹을 통한 유연하고 세밀한 제어 가능
◦
BEAT2 데이터셋에서 기존 방법 대비 성능 향상 및 사용자 선호도 증가 확인
•
한계점:
◦
코드 공개는 논문 채택 이후로 예정되어 있음.
◦
다양한 오디오 유형 및 제스처 스타일의 일반화 성능에 대한 추가 연구 필요.
◦
BEAT2 데이터셋에 국한된 실험 결과, 다른 데이터셋으로의 일반화 가능성 검증 필요.
👍
Made with Slashpage