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.

M3G: Multi-Granular Gesture Generator for Audio-Driven Full-Body Human Motion Synthesis

Created by
  • Haebom

저자

Zhizhuo Yin, Yuk Hang Tsui, Pan Hui

개요

본 논문은 오디오로부터 얼굴, 몸, 손, 전신 움직임을 포함하는 전신 인간 제스처를 생성하는 새로운 프레임워크인 M3G(Multi-Granular Gesture Generator)를 제안합니다. 기존 시스템들은 제스처를 프레임 단위로 토큰화하고 각 프레임의 토큰을 오디오 입력으로부터 예측하는 데 초점을 맞췄지만, 제스처의 세분성(granularity)이 제스처 패턴에 따라 다르다는 점을 고려하지 못했습니다. M3G는 다양한 시간적 세분성으로 동작 패턴을 토큰화하고 동작 시퀀스를 재구성하는 MG-VQ-VAE(Multi-Granular VQ-VAE)를 제안하여 이 문제를 해결합니다. 또한 오디오에서 다양한 세분성의 정보를 추출하고 해당 동작 토큰을 예측하는 다중 세분성 토큰 예측기를 제안합니다. 객관적 및 주관적 실험을 통해 M3G가 자연스럽고 표현력 있는 전신 인간 제스처 생성에서 최첨단 방법들을 능가함을 보여줍니다.

시사점, 한계점

•
시사점:
◦
오디오 기반 전신 제스처 생성 분야에서 기존의 고정된 세분성의 한계를 극복하는 새로운 프레임워크 제시.
◦
다양한 시간적 세분성을 고려하여 더욱 자연스럽고 표현력 있는 제스처 생성 가능.
◦
MG-VQ-VAE와 다중 세분성 토큰 예측기를 통해 성능 향상을 입증.
◦
가상 아바타 생성 등 다양한 분야에 활용 가능성 제시.
•
한계점:
◦
제안된 MGVQ-VAE 및 다중 세분성 토큰 예측기의 일반화 성능에 대한 추가적인 연구 필요.
◦
다양한 오디오 입력에 대한 로버스트성 평가 및 개선 필요.
◦
실제 환경에서의 실시간 성능 평가 및 최적화 필요.
◦
특정 언어 또는 문화적 배경에 치우친 데이터셋 사용 가능성 및 이로 인한 편향 발생 가능성에 대한 고려 필요.
👍
Made with Slashpage