スケーラブルなグループ・コレオグラフィーのための変分フェーズ多様体学習

音楽からグループダンスの動きを生成することは、いくつかの産業応用を持つ難しい課題です。この問題に対処するために提案されたいくつかの方法がありますが、多くの場合、データセットに予め定義されたダンサー数に制約される Dancing movement の忠実度の最適化が優先されています。この制限は、実世界への適用性を阻害しています。当研究では、グループ振付のスケーラビリティ問題に取り組みながら、自然さと同期性を保つことを目指しています。特に、学習可能な生成多様体（generative manifold）上でグループダンスを生成するためのフェーズベースの変分生成モデルを提案します。本手法は高忠実度のグループダンス動作を達成し、メモリ消費量が最小かつ一定であるにもかかわらず、無制限の数のダンサーによる生成を可能にします。2つの公開データセットを使用した詳細な実験結果は、提案手法が最近の最先端アプローチを大幅に上回り、訓練データを超える大規模なダンサー数にも対応できることを示しています。