我々は、与えられた音楽を条件として、極めて長いダンスシーケンスを生成可能なネットワーク「Lodge」を提案する。Lodgeは、二段階の粗いから細かいまでの拡散アーキテクチャとして設計されており、二つの拡散モデルの間に中間表現として顕著な表現力を有する「特徴的ダンスプリミティブ」を導入する。第一段階はグローバル拡散であり、音楽とダンスの粗いレベルでの相関関係を捉え、特徴的ダンスプリミティブを生成することに焦点を当てる。一方、第二段階はローカル拡散であり、ダンスプリミティブと振付ルールに従って並列的に詳細な動きシーケンスを生成する。さらに、足と地面の接触状態を最適化するための「Foot Refine Block」を提案し、運動の物理的リアリズムを向上させた。本手法は、極めて長い長さのダンスシーケンスを並列的に生成可能であり、グローバルな振付パターンとローカルな動きの質および表現力の間に良好なバランスを実現する。広範な実験により、本手法の有効性が検証された。