전문가 혼합 구조를 활용한 텍스트 기반 3D 모션 생성 성능 향상 연구
Text -based 3D Motion Generation with a Mixture of Experts for Enhancing Performance
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
자연어로부터 의미에 부합하는 모션 시퀀스를 생성하는 텍스트 기반 3D 인간 모션 생성은 컴퓨터 그래픽스와 인공지능 분 야에서 중요한 연구 주제로 부상하고 있다. 그러나 기존 텍스트 기반 모션 생성 모델들은 전체 모션을 통합적으로 처리하여 신체 부위별 동작 특성을 충분히 반영하지 못하는 한계가 있었다. 이를 해결하기 위해 본 연구에서는 Mixture of Experts (MoE) 구조를 활용하여 신체 부위별로 특화된 전문가 모델을 학습하는 방법을 제안한다. 제안된 모델은 Transformer가 출력한 모 션 특징 벡터를 바탕으로 Gating Network를 통해 각 신체 부위에 특화된 전문가를 선택하고, 이를 통해 정교한 부분 동작을 생성한다. 실험을 통해 MoE 기반 구조가 기존의 모션 생성 방식과 비교하여 모델의 표현력과 효율성을 동시에 향상시키며, 다양한 텍스트 묘사에 대해 보다 자연스럽고 일관된 모션 생성이 가능함을 검증하였고, 모션 품질과 텍스트-모션 일치도 측 면에서 기존 방법 대비 성능이 향상되었음을 확인하였다.
Abstract
Text -based 3D human motion generation, which aims to produce motion sequences that align with the semantics of natural language, has emerged as a significant research topic in the fields of computer graphics and artificial intelligence. But existing text-to-motion models often treat the entire motion sequence holistically, limiting their ability to capture the distinct characteristics of individual body parts. To address this limitation, we propose a method that employs a Mixture of Experts (MoE) architecture, where each expert specializes in motions of specific body parts. The proposed model uses a Gating Network to selectively activate relevant experts based on motion features extracted by a Transformer, enabling the generation of fine-grained, part-specific motions. Through experiments, we demonstrate that the MoE-based architecture improves both the expressiveness and efficiency of the model compared to existing approaches, enabling more natural and coherent motion synthesis for a wide range of textual descriptions. Furthermore, our me thod shows improved performance in terms of motion quality and text-motion alignment.