研究者は、振付を連続信号ではなくアトミックモーションのシーケンスとしてモデル化する、音楽駆動型ダンス生成のための構造認識フレームワークを発表した。

  • 本手法は、大規模なダンスデータをセグメンテーションし、クラスタリングしてアトミックモーションの語彙を構築する。
  • 大規模言語モデルを使用してこれらのクラスタを意味的に再ラベル付けおよび精緻化し、解釈可能で再利用可能なモーションイベントを作成する。
  • 二段階の生成プロセスは人間の振付を模倣している：まず動きの種類、持続時間、タイミングを予測して記号的な割り当てを形成し、次に遷移認識型ジェネレーターを通じて滑らかなモーションを合成する。
  • 実験により、ベースラインと比較して構造的整合性、リズムの同期、知覚的な自然性が向上し、解釈可能性と制御可能な編集が強化されることが示された。

このアプローチは、従来のニューラル手法における構成構造の欠如に対処し、生成されたダンスをより制御しやすく、入力音楽と意味的に一貫したものにする。