기술 요약: AnchorRoute

문제 정의

인간 동작 제작은 본질적으로 희소합니다. 사용자는 종종 텍스트 프롬프트와 함께 몇 가지 루트 웨이포인트, 평면 궤적 샘플, 또는 신체 지점 목표만 제공합니다. 이러한 입력은 의도를 표현하지만 완전한 동작을 정의하지는 않으므로, 시스템이 타이밍, 조율, 그리고 전신 세부 사항을 추론해야 합니다. 기존 희소 제어 방법들은 이러한 희소 앵커에 대한 엄격한 준수를 유지하면서도 고품질이고 텍스트와 정렬된 동작 생성을 보존하는 것 사이에서 균형을 맞추는 데 종종 어려움을 겪습니다. 핵심 과제는 희소 앵커가 생성 사전의 조건부 설정과 생성된 동작의 후속 수정을 모두 구조화하되, 근본적인 동작 품질을 저하시키지 않는 프레임워크를 만드는 것입니다.

방법론

AnchorRoute 는 희소 입력에서 파생된 공유 "앵커 발판 (anchor scaffold)"을 활용하여 생성과 정제 모두를 안내하는 2 단계 프레임워크를 제안합니다.

1. 앵커 발판

이 프레임워크는 희소 앵커 (시간, 제어된 부분 공간, 목표 값) 를 구조적 발판으로 취급합니다. 이 발판은 두 가지 방식으로 구체화됩니다:

• 생성: 고정된 생성기에 주입되는 토큰 정렬 조건 기억으로 작용합니다.
• 정제: 수정을 위한 시간 간격과 활성화 수준을 정의하는 잔여 발판으로 작용합니다.

2. 1 단계: 제어된 생성

AnchorRoute 는 고정된 Transition Masked Diffusion (TMD) 텍스트 - 동작 사전에 기반을 둡니다.

• 이중 컨텍스트 조건 설정: 시스템은 텍스트 의미론과 공간 제어를 분리합니다. 텍스트는 전역 동작 컨텍스트를 제공하고, 앵커는 희소 공간 제어를 제공합니다.
• AnchorKV: 희소 앵커는 프레임 수준 특징 (값, 마스크, 보간 사전, 1 차 미분) 으로 변환됩니다. 이들은 토큰 정렬 기억 ($H_s$) 으로 인코딩되어 AnchorKV를 통해 고정된 TMD 트랜스포머에 주입됩니다. 이 메커니즘은 앵커 조건부 키와 값을 어텐션 레이어에 추가하여, 백본을 재학습하지 않고도 동작 토큰이 모든 레이어에서 공간 제약을 접근할 수 있게 합니다.
• 학습: 앵커 조건 경로 (발판 인코더, AnchorKV 투영, 이중 컨텍스트 레이어) 만 학습됩니다. TMD 백본은 고정되어 사전 학습된 텍스트 - 동작 생성 능력을 보존합니다.

3. 2 단계: RouteSolver 정제

초기 동작 ($\hat{x}$) 이 생성된 후, RouteSolver는 앵커 준수를 개선하기 위해 추론 시 정제를 수행합니다.

• 잔여 발판: 생성된 동작은 원래 앵커와 비교되어 잔여 오차를 계산합니다. 이러한 잔여 오차는 어떤 시간 간격이 수정을 필요로 하는지와 그 수정의 강도를 정의합니다.
• 소프트 토큰 최적화: RouteSolver 는 VQ 임베딩 공간에서 연속적인 소프트 토큰 변수 ($u$) 를 최적화합니다. 목적 함수는 앵커 오차, 부드러움, 그리고 초기 생성에 가깝게 머무르기 위한 신뢰 영역 패널티를 최소화합니다.
• 간격 라우팅 투영: 원시 최적화 업데이트는 앵커 타임스탬프에 의해 정의된 조각별 아핀 간격 기저에 투영됩니다. 중요하게도, 이 투영은 잔여 활동에 의해 가중됩니다: 더 큰 앵커 오차를 가진 간격은 더 많은 수정 능력을 받고, 작은 오차를 가진 간격은 부드럽게 억제됩니다. 이는 수정이 필요한 정확한 위치로 라우팅되어 일관성을 유지하도록 보장합니다.

주요 기여

1. 앵커 발판: 동일한 희소 앵커 입력을 사용하여 생성 시 조건 기억과 정제 시 간격 업데이트 공간을 모두 정의하는 통합 제어 구조.
2. AnchorRoute 프레임워크: 고정된 TMD 사전을 보존하면서 이중 컨텍스트 분리와 함께 경량의 AnchorKV 기반 조건 설정 경로를 학습하는 희소 앵커 합성 시스템.
3. RouteSolver: 앵커에 의해 정의된 조각별 아핀 간격을 통해 소프트 토큰 업데이트를 라우팅하고, 잔여 활동에 의해 안내되어 동작 품질과 앵커 준수 사이의 균형을 맞추는 생성 후 정제 모듈.

실험 결과

HumanML3D 데이터셋에서 평가된 AnchorRoute 는 희소 제어 작업에서 우수한 성능을 보여줍니다:

• 벤치마크 비교: SFControl 6 지점 프로토콜 하에서 RouteSolver (RS200) 를 적용한 AnchorRoute 는 0.019의 제어 오차를 달성하여, 이전 최첨단인 SFControl (0.036) 을 크게 능가합니다. 또한 FID (0.115 대 0.224) 와 Top-3 R-정밀도 (0.792 대 0.673) 도 개선됩니다.
• 제어 계열: 이 프레임워크는 동일한 공식 내에서 Root-3D, Planar-root, Body-point 제어를 지원합니다. 모든 계열에서 정제 단계 (RS100 에서 RS500) 를 늘리면 제어 오차가 점진적으로 감소하면서 동작 품질 (FID 및 R-정밀도) 과의 조절 가능한 트레이드오프를 유지합니다.
• 절대성 연구:
  • 생성: AnchorKV 접근 방식 (학습 가능 파라미터 120 만 개) 은 제어 오차와 의미론적 정렬 모두에서 Cross-Attention 및 ControlNet 베이스라인을 크게 능가합니다.
  • 정제: RouteSolver 의 잔여 활동 라우팅 및 조각별 아핀 기저 사용은 단순 소프트 토큰 정제나 균일 간격 업데이트에 비해 더 나은 품질 - 제어 트레이드오프를 제공합니다.
• 효율성: 기본 RS200 설정은 샘플당 약 0.093 초를 추가하여 준수와 추론 비용 사이의 실용적인 균형을 제공합니다.

중요성과 주장

이 논문은 AnchorRoute 가 텍스트 - 동작 품질의 보존과 희소 공간 제약의 강제를 성공적으로 분리했다고 주장합니다. 생성에는 고정된 사전을 사용하고 수정에는 학습된 잔여 라우팅 정제를 사용하여 시스템은 상호 보완적인 관계를 달성합니다: 생성기는 고충실도 동작 의미론을 유지하는 반면, RouteSolver 는 더 강력한 앵커 준수를 향한 제어 가능한 경로를 제공합니다. 이 연구는 희소 앵커가 동작 합성의 조건 설정과 수정 단계를 모두 효과적으로 구조화할 수 있음을 입증하여, 근본적인 생성 사전을 훼손하지 않고 다양한 제어 계열 (루트 궤적, 평면 경로, 신체 지점) 에 대한 통합 솔루션을 제공합니다.

한계점: 저자들은 RouteSolver 가 현재 주로 위치 잔여 오차에 의존한다고 지적합니다. 향후 연구는 방향 인식 정제를 위해 잔여 발판에 접선 또는 방향성 단서를 포함하도록 확장할 수 있습니다.