チーハイ・スー (Chih-Hai Su) 氏、ツンウェイ・ケー (Tsung-Wei Ke) 氏、ユーラン・リウ (Yu-Lun Liu) 氏らの研究者グループは10月13日(現地時間)、疎な頂点変位から密なメッシュの動きを復元する「sparse-to-dense motion completion (疎密モーション補完)」に関する新しいモデル「Cepheid」を発表した。同モデルは、残差構造と物理的なスケールを分離することで、異なるジオメトリファミリー間でのモーション補完における課題を克服した。
arXiv cs.CVが公開した論文によると、従来の疎密モーション補完では、特定のジオメトリファミリー (geometry family) で学習された残差事前分布 (residual priors) が、異なるファミリーに対してはパラメータ不要なハーモニック拡張 (harmonic extension) の性能を下回ることが頻繁に指摘されてきた。
加えて、異なるファミリーを対象とした学習では、残差の振幅がジオメトリファミリー間で桁違いに変動し、観測密度が高まるにつれて収縮するというスケーリングの障壁に直面していた。
「Cepheid」モデルは、この課題に対し、無次元の事前分布を学習することで、残差構造と物理的なスケールを分離するアプローチを採用した。この手法により、観測可能なデータから振幅を推定し、学習ソースのみで適合された軽量な補正を加えることが可能になった。これにより、未知のターゲットモーションに依存することなくスケールを処理できるようになったという。
評価の結果、「Cepheid」は、評価された全てのファミリーにおいてハーモニック拡張を上回る性能を示した。これには、これまで対応が認識されていなかった布や脚を持つ物体 (legged bodies) も含まれる。また、このモデルは、スケルトン、登録、クロス-メッシュ対応といった追加情報を必要としない点が特徴だ。同一の事前分布が、再学習なしでポイント追跡された動物の動画や、ロボットが柔らかい物体を掴む動作にも適用できることが示されている。
参考: arXiv cs.CV — 2026年10月14日 02:59 (JST)