연구진은 인간 신체 움직임의 구성성을 활용하는 계층적 표현 방식을 제안했어요. 이 방식은 '액션 원자'를 통해 관절 움직임을 포착하고, '액션 모티프'는 이 원자들의 시간적 조합으로 유사한 신체 움직임을 표현해요.
A4Mer라는 새로운 Nested Latent Transformer 모델을 개발하여 인간 자세 데이터로부터 이 계층적 표현을 학습하며, 3D 자세 시퀀스를 가변 길이 세그먼트로 나누고 각 세그먼트를 하나의 잠재 토큰으로 표현해요.
액션 모티프는 다양한 인간 행동에서 발견되는 재사용 가능한 의미 있는 신체 움직임의 시간적 범위를 캡처하며, 액션 인식, 동작 예측, 동작 보간과 같은 인간 행동 모델링 작업에 큰 도움이 돼요.