AtomicMotion은 희소한 두상 및 손 궤적에서 전체 신체 포즈를 정확하게 재구성하는 데 어려움을 겪는 기존 방법의 한계를 극복하기 위해 개발된 프레임워크입니다. 이 프레임워크는 신체를 기능적 의도를 기준으로 5개의 클러스터로 분해하여 신체 역학을 분리하고 재통합합니다. Kinematic Attention을 통해 생리학적 연결성을 고려하여 보다 자연스러운 움직임을 생성합니다.
AtomicMotion은 AMASS 데이터셋 평가에서 기존 방법보다 뛰어난 성능을 보이며, 더 높은 재구성 정확도와 우수한 생체역학적 현실감을 제공합니다.
기존 방법은 신체를 하나의 개체로 취급하여 미묘한 신호 변화에 내재된 '원자적 의도'를 포착하지 못하고, 고유한 구조적 토폴로지를 간과하는 경향이 있습니다.
AtomicMotion은 마스크된 전체 신체 사전 조건 전략을 사용하여 희소 입력에서 고차원 포즈로의 매핑을 강화하고, 전역 골격 토폴로지와 잠재적 운동학적 제약 조건을 모델에 내재화합니다.