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 방식을 사용했지만, 제스처의 세분성(granularity)이 제스처 패턴에 따라 다르다는 점을 고려하지 못했습니다. M3G는 다양한 시간적 세분성을 가진 동작 패턴을 토큰화하고 재구성하는 MG-VQ-VAE(Multi-Granular VQ-VAE)를 제안하여 이 문제를 해결합니다. 오디오에서 다중 세분성 정보를 추출하고 해당 동작 토큰을 예측하는 다중 세분성 토큰 예측기를 사용하며, 예측된 토큰으로 MGVQ-VAE를 통해 인간 제스처를 재구성합니다. 객관적 및 주관적 실험 결과, M3G는 자연스럽고 표현력 있는 전신 인간 제스처 생성 측면에서 최첨단 방법들을 능가함을 보여줍니다.

시사점, 한계점

•
시사점:
◦
오디오 기반 전신 제스처 생성 분야에서 기존의 고정된 세분성 문제를 해결하는 새로운 접근법을 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 모델의 계산 비용 및 복잡도에 대한 구체적인 분석 부족.
◦
다양한 오디오 입력(예: 잡음이 많은 오디오)에 대한 모델의 강건성에 대한 추가적인 실험 필요.
◦
특정 제스처 유형에 대한 성능 편향 여부에 대한 분석 필요.
◦
실제 세계 데이터셋을 이용한 실험 결과가 부족할 수 있음.
👍
Made with Slashpage