연구진이 테스트 시간 인간 동작 합성 및 제어를 위한 다중 스케일 모델 MSCoT를 발표했어요. MSCoT는 동작을 다중 스케일 계층 구조로 분해하고, 각 시간 스케일에서 조잡-정교 방식으로 토큰 시퀀스를 예측하는 방식이에요.
MSCoT는 토큰 가이드 전략을 통해 제어 목표에 토큰 분포를 조정하고, 가벼운 토큰 리파이너를 통해 제어 목표에 대한 정밀한 정렬을 보장합니다.
HumanML3D 벤치마크에서 기존 방식 대비 모션 품질 (48% FID 개선), 제어 정확도 (-61% 평균 오차), 추론 속도 (10배 향상)에서 뛰어난 성능을 보였어요.