KV-Control: 軌道制御テキスト・モーション生成のためのパラメータ効率的K/V注入

テキスト条件付き3D人間モーション生成において、言語プロンプトの意図や歩容・スタイルを保ちつつ、ルートパス・エンドエフェクタ目標・多関節軌道などの幾何制約を精密に追従させる制御インターフェース KV-Control を提案する研究。 - 対象は frozen な masked text-to-motion transformer。 - 制約を self-attention 内の memory として与える点が特徴。 - 学習可能な injection パラメータのみを追加する parameter-efficient な adapter。

既存の trajectory controller は制御トレードオフを抱える。 - 生成器の大部分を複製して per-layer 制御アクセスを得る手法はパラメータ増大。 - test-time optimization にコストを移す手法は推論負荷が大きい。 - KV-Control は backbone 重み・query stream・text cross-attention・FFN を凍結保持し、共有 trajectory encoder 上の injection パラメータのみで制御。 - これにより小さく精密で透明な制御を狙う。

幾何制約を global pose token や出力側でなく self-attention の memory として注入する。 - PartVQ: anatomy-aligned な part codebook を学習する part-tokenized motion substrate。 - T-Concat: 各 frame-part token を attention-addressable site として露出。 - KV-Control: 各 self-attention layer に control-conditioned key/value memory を注入。 - 凍結部分: pretrained query stream, text cross-attention, FFN, backbone weights。 - 学習対象: 共有 trajectory encoder 上の injection パラメータのみ。

継承した refinement protocol の下で評価。 - root および multi-joint 制約を sub-centimeter 精度で追従。 - text-conditioned motion quality を保持。 - 詳細なデータセット名・ベースライン・指標は要旨からは不明。

要旨からは不明。 - 制御精度とテキスト条件品質の両立を主張。 - 限界・失敗例・計算コストの詳細な議論は要旨に記載なし。

要旨で参照・比較されている研究は明示されていない。 - 関連手法として masked text-to-motion transformer、trajectory controller、test-time optimization ベースの制御、part-based motion representation が挙げられる。 - 具体的な論文名は要旨からは不明。