논문 정보
- 날짜:
2026-02-27 - 카테고리: -
- 우선순위 점수: 0.133
핵심 요약
Causal Motion Diffusion Models(CMDM)은 인과적 확산 트랜스포머를 사용하여 실시간 및 장기 모션 생성을 지원하는 프레임워크입니다. MAC-VAE를 통해 모션을 인과적 잠재 표현으로 인코딩하며, 프레임별 샘플링 스케줄을 도입해 추론 속도를 높였습니다. HumanML3D 및 SnapMoGen 데이터셋에서 기존 확산 및 자기회귀 모델보다 높은 의미적 충실도와 시간적 매끄러움을 입증했습니다.학습자 관점 포인트
- 우리 팀 영향: 실시간 스트리밍 모션 생성 및 긴 시퀀스 생성 시 누적 오차 문제를 해결하는 데 참고할 수 있습니다.
- 권장 액션: 도입 검토
- 액션 근거: 기존 확산 모델의 비인과적 한계와 자기회귀 모델의 불안정성을 동시에 개선하여 실시간 응용 가능성이 높기 때문입니다.
원문 링크
- arXiv: https://arxiv.org/abs/2602.22594
- Hugging Face Papers: https://huggingface.co/papers/2602.22594