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.

Behave Your Motion: Habit-preserved Cross-category Animal Motion Transfer

Created by
  • Haebom

저자

Zhimin Zhang, Bi'an Du, Caoyuan Ma, Zheng Wang, Wei Hu

개요

본 논문은 동물의 종 특유의 행동 습관을 반영하는 동작을 다른 종으로 전이하는 새로운 프레임워크를 제안합니다. 기존의 모션 전이 방법들은 주로 인간의 동작에 초점을 맞춰 골격 정렬이나 스타일 일관성에 중점을 두었지만, 동물의 고유한 행동 습관 보존은 간과했습니다. 이를 해결하기 위해, 본 연구는 종 특유의 습관 인코더를 포함하는 습관 보존 모듈을 도입하여 독특한 습관적 특징을 포착하는 모션 사전 정보를 학습하는 생성적 프레임워크를 제시합니다. 또한, 대규모 언어 모델(LLM)을 통합하여 이전에 관찰되지 않은 종으로의 모션 전이를 용이하게 합니다. 새로운 사족보행 동물 골격 데이터셋인 DeformingThings4D-skl을 소개하고, 광범위한 실험과 정량적 분석을 통해 제안된 모델의 우수성을 검증합니다.

시사점, 한계점

시사점:
종 간 동물 모션 전이를 위한 새로운 프레임워크 제시.
습관 보존 모듈을 통한 동물의 고유 행동 습관 유지.
LLM 활용으로 미관찰 종에 대한 모션 전이 가능.
새로운 사족보행 동물 골격 데이터셋 DeformingThings4D-skl 공개.
한계점:
DeformingThings4D-skl 데이터셋의 규모 및 다양성에 대한 추가적인 검토 필요.
LLM의 성능에 대한 의존성 및 LLM의 한계가 모델 성능에 미치는 영향에 대한 추가적인 분석 필요.
다양한 종류의 동물 및 복잡한 동작에 대한 일반화 성능 검증 필요.
👍