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.

MotionDreamer: One-to-Many Motion Synthesis with Localized Generative Masked Transformer

Created by
  • Haebom

저자

Yilin Wang, Chuan Guo, Yuxuan Mu, Muhammad Gohar Javed, Xinxin Zuo, Juwei Lu, Hai Jiang, Li Cheng

개요

MotionDreamer는 제한된 모션 캡처 데이터로부터 다양하고 자연스러운 애니메이션을 생성하는 새로운 방법을 제시합니다. 기존의 GAN이나 Diffusion 기반 방법과 달리, 국소 마스크 모델링 패러다임을 사용하여 주어진 모션의 내부 패턴을 학습합니다. 이는 특히 애니메이션 분야에서 대규모 데이터셋 확보가 어려운 문제를 해결하기 위해 고안되었습니다. 주어진 모션을 정량화된 토큰으로 임베딩하고, 새로운 분포 정규화 기법과 슬라이딩 윈도우 국소 어텐션을 활용하여 강건하고 정보가 풍부한 코드북을 구성합니다. 결과적으로 참조 모션과 유사하면서도 다양한 애니메이션 생성이 가능하며, 시간적 모션 편집, 군중 애니메이션, 비트에 맞춘 댄스 생성 등 다양한 후속 작업에도 효과적임을 실험을 통해 보여줍니다.

시사점, 한계점

•
시사점:
◦
제한된 데이터로 다양하고 자연스러운 애니메이션 생성 가능
◦
기존 GAN, Diffusion 기반 방법보다 충실도와 다양성 향상
◦
시간적 모션 편집, 군중 애니메이션, 비트에 맞춘 댄스 생성 등 다양한 후속 작업 가능
◦
정량화 기반 접근 방식의 강건성과 일관성을 통해 높은 성능 달성
•
한계점:
◦
본 논문에서는 구체적인 한계점이 명시적으로 언급되지 않음. 추가적인 실험 및 분석을 통해 다양한 입력 모션에 대한 일반화 성능, 계산 비용, 특정 애니메이션 스타일로의 제한 등에 대한 평가가 필요할 수 있음.
👍
Made with Slashpage