グラフ注意機構によるアモルタイズド逆運動学：リアルタイム人型アバターアニメーション

arXiv cs.CV / 2026/4/21

📰 ニュースDeveloper Stack & InfrastructureModels & Research

共有:

要点

本論文では、IK-GATという軽量なグラフ注意ネットワークを提案し、疎な3D関節位置のトラッキング信号から、単一のフォワードパスで全身の関節姿勢（向き）を推定してリアルタイムな人型アバターアニメーションを実現します。
従来の反復型逆運動学最適化の代わりに、IK-GATは骨格の親子グラフ上でメッセージパッシングを行い、骨に整列したワールド座標の回転表現で推定することで、ねじれ軸を明示的に扱います。
回転には連続6D表現を用い、SO(3)上の測地損失で学習し、必要に応じてフォワード運動学の整合性正則化を追加して妥当性を高めます。
剛体リグを直接動かせる「アニメーションに使える局所回転」を出力でき、またSMPLのようなボディモデルのポーズパラメータへ変換することも可能としています。
374KパラメータでCPU上650FPS超の性能が報告され、ウォームスタートなしのVPoserベースの反復最適化よりも高性能で、初期姿勢や入力ノイズに対して頑健だと主張しています。