ロッジ：特徴的なダンスプリミティブによってガイドされる長時間ダンス生成のためのコアスからファインまでの拡散ネットワーク

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。