技術要約: PoseShield: 人間の自己衝突解消のためのニューラル衝突場

問題提起

自己衝突は、SMPLベースの人間ポーズ推定およびモーション生成における永続的な課題である。極端な関節運動や確率的な運動合成の下では、生成されたメッシュが頻繁に自己貫入を起こし、物理的に不自然な結果を招く。幾何学的処理や物理シミュレーションには古典的な衝突処理手法が存在するが、それらは通常、生の頂点位置を最適化することでメッシュ空間で直接動作する。これらのアプローチは、最適化変数がメッシュ頂点ではなくSMPLのポーズパラメータ $\theta$ である学習ベースのSMPLパイプラインとは、自然には互換性がない。さらに、古典的な手法は多くの場合、衝突のない参照構成を必要とするが、現代のポーズ予測パイプラインではそのような構成は一般的に利用できない。既存の学習ベースのアプローチは、ヒューリスティックなペナルティやソフト制約に依存することが多いが、これらは堅牢な勾配ベースの制約付き最適化に必要な理論的な正則性条件を欠いている。

手法

著者らは、低次元のSMPLポーズ空間で直接定義されるニューラル衝突制約である PoseShield を提案する。本手法の核心は、衝突解消を制約付き最適化問題として定式化し、学習された制約をエイクネル方程式（Eikonal equation）に結びつけることにある。

1. 問題の定式化

自己衝突しているSMPL構成 $(\beta, \theta_0)$ が与えられたとき、目標は、衝突のない制約を満たしつつ、元のポーズからの距離を最小化する修正済みポーズ $\theta$ を見つけることである：
$$\theta^\star = \arg \min_{\theta} d_{\mathrm{SMPL}}(\theta, \theta_0) \quad \text{subject to} \quad \iota(\mathcal{M}(\beta, \theta)) = +1$$
ここで $\iota$ はバイナリ衝突インジケータである。$\iota$ は微分不可能であるため、著者らは学習可能な代理ニューラル制約関数 $g(\theta)$ を導入し、問題を以下のように変換する：
$$\theta^\star = \arg \min_{\theta} d_{\mathrm{SMPL}}(\theta, \theta_0) \quad \text{subject to} \quad g(\theta) \ge C_l$$

2. 理論的基礎: エイクネル正則化

勾配ベースの制約ソルバー（例：SLSQP、拡張ラグランジュ法）が信頼性高く収束するためには、制約関数が線形独立制約資格（LICQ）を満たす必要があり、これは制約境界付近で非消失の勾配を必要とする。著者らは、この要件と エイクネル方程式 との関連性を確立している。

彼らは、$g(\theta)$ がポーズ空間における符号付き距離関数（SDF）を近似するように訓練することを提案する。訓練中に エイクネル正則化 項を強制することで：
$$\mathcal{L}_{\text{grad}} = \mathbb{E}_{\theta \sim \Omega} \left[ \left| \|\nabla_{\theta} g(\theta)\| - 1 \right| \right]$$
本手法は、ポーズ空間全体を通じて $\|\nabla g\|$ がゼロから離れていることを保証する。理論的には、これはLICQをグローバルに満たし、最適化プロセスの収束保証を提供する。著者らは、この損失を最小化することが、LICQが失敗するポーズ空間領域の体積を抑え込むことを証明している。

3. 訓練と最適化

• 訓練目的関数: ネットワークは、符号の教師あり学習（衝突のないポーズに対して $g(\theta) > 0$、衝突しているポーズに対して $g(\theta) < 0$ となることを保証する）とエイクネル損失を組み合わせて訓練される。また、訓練の安定性を向上させるために、勾配損失の時間差（TD）バリアントも導入されている。
• 能動学習: 決定境界を正確に捉えるために、著者らは $g(\theta)$ のゼロレベルセット付近のサンプルを用いて訓練セットを逐次的に拡張する能動学習戦略を採用している。
• モーションシーケンスへの拡張: 学習された制約は、人間のモーションシーケンスへと拡張される。PoseShieldは、基礎となるモーション生成器を再学習させる代わりに、ジェネレータに依存しない後処理的な補正器（post-hoc corrector）として機能する。これは、ポーズパラメータ、関節位置、および時間的速度を含む距離指標を介して、衝突制約を満たしつつモーションの忠実度を維持するようにモーションシーケンスを最適化する。

主な貢献

1. 原理的なフレームワーク: 本論文は、自己衝突の解消を、特定の仮定の下で勾配ベースのソルバーに対する理論的な収束保証を提供する、学習可能な微分可能制約を用いたSMPLポーズ空間における制約付き最適化問題として定式化している。
2. PoseShield: エイクネル正則化を用いて訓練されたニューラル衝突制約。著者らは、この訓練目的関数がLICKが失敗する領域の体積を定量的に抑え込み、学習精度とソルバーの信頼性を結びつけることを証明している。
3. ジェネレータに依存しない補正: 本手法は、基礎となるモーションモデルの再学習を必要とせず、人間のモーションシーケンスに対する後処理的な補正器として機能し、時間的に一貫した衝突解消を可能にする。
4. ベンチマーキング: 著者らは、ベンチマーキングを容易にするために、自己衝突を含む約93.1万個のSMPLポーズを含む Humans with Collisions (HwC) データセットを導入した。

実験結果

実験はHwCデータセットおよびPROXデータセットを用いて行われ、Torch-mesh-isect、分類器ベースのベースライン、COAP、およびVolumetricSMPLとの比較が行われた。

• 成功率 (SCC): PoseShieldはHwCデータセットにおいて 95.8% の成功率を達成し、最高のベースライン（COAPの44.6%）を大幅に上回った。
• 貫入深さの減少 (PDR): 本手法は 98.2% のPDRを達成し、自己貫入が非常に効果的に除去されていることを示した。
• 幾何学的忠実度: PoseShieldは 0.059 という低い平均頂点距離（MVD）を維持しており、衝突を解消しながらも、修正されたポーズが元の入力に近いことを示している。
• モーションシーケンス: モーション補正タスクにおいて、PoseShieldは、残留貫入深さとモーションのアーティファクト（足の滑りなど）の両面において、直接最適化やCOAPベースのアプローチよりも優れた、衝突除去とモーション品質のバランスを提供した。

意義と主張

本論文は、PoseShieldが人間モデリングにおける永続的な問題に対して、理論的に根拠のある解決策を提供すると主張している。衝突処理をエイクネル方程式に結びつけることで、著者らは、ヒューリスティックなペナルティベースの手法に欠けがちな特性である、最適化プロセスの数値的安定性と堅牢性を確保している。メッシュ空間ではなく、低次元のポーズ空間で直接動作できる能力により、学習ベースのパイプラインとのシームレスな統合が可能となる。さらに、そのジェネレータに依存しない性質により、基礎となる生成モデルを変更することなく、静的なポーズ補正から複雑なモーション合成まで、多様なSMPLベースのシナリオに対してユニバーサルな洗練モジュールとして機能する。