Aadya Agrawal氏、Ho Kei Cheng氏、Alexander Schwing氏らは11月6日(現地時間)、複数人の将来の動きを予測する新たな手法「フローモップ (FlowMoP)」を発表した。従来の決定論的手法とは異なり、同手法は条件付きフローマッチングフレームワークを採用し、多様な動きを共同で生成する。フローモップは、CMU-Mocap (UMPM) や 3DPW といった既存のデータセットで最先端の性能を達成し、WorldPoseデータセットで初の予測ベースラインを確立した。
複数人の将来の動きを予測することは、意図、協調、社会的文脈に応じて複数の妥当な結果が生じ得る、本質的に確率的な課題とされている。しかし、これまでの複数人3Dモーション予測における主流のパラダイムは決定論的であり、既存の手法ではエージェントごとに固定数の出力しか生成していなかった。
これに対し、Aadya Agrawal氏、Ho Kei Cheng氏、Alexander Schwing氏らは、条件付きフローマッチングフレームワークであるフローモップ (FlowMoP)を提案した。このフレームワークは、複数のエージェントに対して多様な将来の動きを共同で生成し、大域的な軌跡と根相対ポーズの両方をモデル化する。
FlowMoPでは、B-spline reparameterizationを用いて生成状態空間を圧縮し、時間的な滑らかさを強制する。さらに、デュアルストリームトランスフォーマーが、観測された隣人の動きに基づいて各エージェントの予測を条件付け、相互作用を考慮した予測を実現する。
性能評価において、FlowMoPはCMU-Mocap (UMPM) と 3DPW の両データセットで最先端の性能を達成した。決定論的ベースラインと比較して、関節位置誤差、ポーズ誤差、最終変位誤差の全ての指標で優位性を示している。加えて、FlowMoPは大規模なプロサッカーデータセットであるWorldPoseにおいて、初のモーション予測ベースラインを確立した。このデータセットでは、社会的条件付けが、相互作用によって制約される方向に予測の不確実性を集中させることを実証した。
本論文はNeurIPS 2026で採択された。
参考: arXiv cs.CV (アーカイブ) — 2026年11月7日 03:56 (JST)
原文ハイライト"FlowMoP: Stochastic Multi-Person Motion Prediction"