本研究は、単一の画像から関節構造を持つ人体の運動シーケンスを生成する初めての試みである。一方で、条件付きGANの枠組みに基づき、人体の骨格情報（運動埋め込み）と単一の人体画像（外見参照）というペア入力を用いて、新たな運動フレームを生成する。他方で、連続するフレーム間の外見の滑らかさを実現するために、三重ペア損失（triplet loss）を導入している。提案する枠組みは、画像の外見空間と関節運動／運動学的運動空間を同時に活用できるため、従来の動画生成手法がもたらすぼやけた運動効果に比べ、現実的な関節構造を持つ運動シーケンスを生成することが可能である。本モデルはKTHおよびHuman3.6Mという2つの人体動作データセット上で評価されたが、両データセットにおいて非常に有望な結果が得られた。