音楽駆動型の振り付け生成は、多岐にわたる産業応用を持つ困難な問題である。近年、単一ダンサーに対する音楽からダンスモーションを合成する手法が多数提案されているが、グループダンスの生成は依然として未解決の課題である。本論文では、音楽駆動型グループダンス生成を目的とした大規模データセット「\rm AIOZ-GDANCE}」を提案する。既存のデータセットが単一ダンスに限定されているのに対し、本データセットはグループダンスの映像を含むため、グループ振り付けの研究を可能にする。本データセットの3D真値を取得するために、人間が関与する半自律的なラベル付け手法を提案する。本データセットは、屋外映像から収集した16.7時間分の音楽と3Dモーションのペアを含み、7つのダンススタイルおよび16の音楽ジャンルをカバーしている。また、単一ダンス生成技術をそのままグループダンスに適用すると、動きの不整合やダンサー間の衝突といった不満足な結果が生じることを示す。本データセットを基に、入力となる音楽シーケンスとダンサーの3D位置を入力として、複数のグループ整合性のある振り付けを効率的に生成する新しい手法を提案する。さらに、グループダンスの品質を評価するための新しい評価指標を設計し、豊富な実験を通じて本手法の有効性を検証した。本研究は今後のグループダンス生成に関する研究を促進するものであり、関連情報は以下のURLで公開されている：https://aioz-ai.github.io/AIOZ-GDANCE/