[논문리뷰] Motion2Motion: Cross-topology Motion Transfer with Sparse Correspondence

링크: 논문 PDF로 바로 열기

저자: LING-HAO CHEN, YUHONG ZHANG, ZIXIN YIN, ZHIYANG DOU, XIN CHEN, JINGBO WANG, TAKU KOMURA, LEI ZHANG

핵심 연구 목표

이 논문은 골격 토폴로지가 크게 다른 캐릭터 간의 애니메이션 전이 문제를 해결하는 것을 목표로 합니다. 기존 방법론들이 내재된 토폴로지 불일치와 대규모 짝지어진 모션 데이터셋의 부족으로 인해 어려움을 겪는 한계를 극복하고, 최소한의 타겟 모션 예시와 희소한 본(bone) 대응 관계만을 사용하여 강건한 모션 전이를 가능하게 하고자 합니다.

핵심 방법론

제안하는 Motion2Motion은 새로운 훈련-없는(training-free) 프레임워크로, 교차 토폴로지 모션 전이 문제를 조건부 패치 기반 모션 매칭 문제로 모델링합니다. 이 방법은 사용자 지정 또는 자동 매칭된 희소한 본 대응 관계를 공간적 조건으로 활용합니다. 모션 합성은 몇 가지 타겟 예시에서 바인딩된 조인트의 모션 패치를 반복적으로 매칭하고, 이를 블렌딩하여 결과를 L회 반복 개선함으로써 수행됩니다.

주요 결과

Motion2Motion은 유사 골격 및 교차 종(cross-species) 골격 설정 모두에서 일관되게 최고의 성능을 달성했습니다. 정량적으로는 가장 낮은 FID 점수(유사: 0.033, 교차: 0.492)를 기록하여 높은 모션 품질과 스타일 일관성을 보였으며, 최고 주파수 정렬(유사: 96.2%, 교차: 90.3%) 및 접촉 일관성(유사: 93.5%, 교차: 79.7%)에서도 우수했습니다. 또한, 우수한 다양성을 보여주며 GPU나 딥 모델 훈련 없이도 높은 추론 FPS(유사: 778, 교차: 752)를 유지했습니다.

AI 실무자를 위한 시사점

이 연구는 데이터 희소성과 토폴로지 다양성이 일반적인 실제 애니메이션 파이프라인에서 모델 훈련 없이 모션 전이를 수행할 수 있는 실용적인 해결책을 제시합니다. 희소한 대응 관계와 제한된 소스 샘플만으로도 복잡한 모션 전이가 가능하다는 점은, 특히 SMPL 기반 모션을 복잡한 캐릭터 토폴로지로 리타겟팅하는 데 유용합니다. Blender 애드온 형태로의 통합 가능성은 실제 산업 응용 및 워크플로우 효율성 측면에서 큰 잠재력을 보여줍니다.

⚠️ 알림: 이 리뷰는 AI로 작성되었습니다.