연구진이 서로 다른 뼈대 구조를 가진 캐릭터 간 모션 블렌딩을 가능하게 하는 새로운 프레임워크를 개발했어요. 이 프레임워크는 모션 상태의 프레임별 잠재 표현을 추출하는 의미론적 인코더와 캐릭터별 모션을 재구성하는 디퓨전 기반 디코더를 결합해요. Truebones Zoo 데이터셋을 활용해 동일하고 다른 뼈대 구조의 모션으로 학습하고 평가해 다양한 시나리오에서 자연스러운 모션 블렌딩을 달성했어요.
기존 모션 블렌딩 방법은 고정된 뼈대 구조에 제약받았지만, 이번 연구는 이 문제를 해결하여 캐릭터 뼈대 구조에 상관없이 모션 블렌딩이 가능하도록 혁신했어요. 개발된 프레임워크는 모션의 의미론적 표현을 활용하여 캐릭터별 모션을 재구성하는 방식으로 작동해요.
개발된 프레임워크는 두 가지 입력 모션의 잠재 표현을 보간하여 블렌딩된 모션을 생성하며, Truebones Zoo 데이터셋 평가 결과 자연스럽고 설득력 있는 블렌딩 결과를 보여주었어요.