Sparkle：ポイントクラウドに基づく人のモーションキャプチャのための堅牢で汎用的な表現
arXiv cs.CV / 2026/4/2
💬 オピニオンIdeas & Deep AnalysisModels & Research
要点
- 本論文は、ノイズの多い、非構造的な入力下での表現力と堅牢性のバランスを目指す、ポイントクラウドに基づく人のモーションキャプチャのための新しい構造化表現Sparkleを提案する。
- SparkleMotionは、幾何学的な連続性と運動学的制約をエンコードする階層型モジュールによってこの表現を学習し、内部の運動学を外部のサーフェス幾何から明示的に因数分解する。
- 骨格関節と表面アンカーを統一することで、既存手法がポイントベースとスケルトンベースのシステムの間で詳細さと堅牢性をトレードオフせざるを得ないという重要な制約に取り組む。
- 実験では、複数のセンサタイプにまたがる、強いドメインシフト、ノイズ、遮蔽といった厳しい条件下で、精度が向上し、特に堅牢性と汎化性能が顕著に強いという最先端の性能が報告される。
- 本研究は、計測不確実性と表現学習の双方の課題に直接対処することで、現実世界のセンシング条件におけるポイントクラウドモーションキャプチャをより信頼できるものとして位置付ける。
