AnchorRoute: 구간 경로 지정형 희소 제어를 통한 인간 동작 합성

희소 앵커(Sparse anchors)는 인간 동작 저작(authoring)을 위한 컴팩트한 인터페이스를 제공합니다. 사용자가 몇 개의 루트 위치(root positions), 평면 궤적 샘플(planar trajectory samples), 또는 신체 지점 타겟(body-point targets)을 지정하면, 시스템은 미지정된 의도를 완성하는 전신 동작을 합성합니다. 본 논문에서는 생성(generation)과 정교화(refinement) 모두를 위한 공유 스캐폴드(scaffold)로 앵커를 사용하는 희소 앵커 동작 합성 프레임워크인 AnchorRoute를 제시합니다. 생성 단계 이전에, AnchorRoute는 희소 앵커를 앵커 조건 특징(anchor-condition features)으로 변환하고, 생성된 조건 메모리(condition memory)를 AnchorKV 및 이중 컨텍스트 조건화(dual-context conditioning)를 통해 동결된 전이 마스크 확산 사전 학습 모델(frozen Transition Masked Diffusion prior)에 주입합니다. 이를 통해 사전 학습된 텍스트-동작(text-to-motion) 사전 학습 모델의 생성 품질을 유지하면서 희소 공간 제어(sparse spatial control)를 학습합니다. 생성 이후에는 동일한 앵커를 잔차(residuals)로서 평가합니다. 앵커의 타임스탬프(timestamps)는 정교화 구간(refinement intervals)을 정의하며, 잔차는 수정이 집중되어야 할 위치를 결정합니다. 이후 RouteSolver는 소프트 토큰 업데이트(soft-token updates)를 앵커로 정의된 구간별 아핀 구간 기저(piecewise-affine interval bases)로 투영하여 동작을 정교화합니다. 이는 생성 시점의 앵커 조건화와 잔차 경로 지정형 정교화(residual-routed refinement)를 하나의 앵커 스캐폴드 아래 결합합니다. AnchorRoute는 동일한 공식 내에서 root-3D, 평면 루트(planar-root), 그리고 신체 지점(body-point) 제어를 지원합니다. 벤치마크 평가에서 AnchorRoute는 희소 주요 관절(sparse keyjoint) 프로토콜 하에서 기존의 희소 제어 방법들보다 뛰어난 성능을 보였으며, 제어 유형 전반에 걸쳐 앵커 준수(anchor adherence)를 일관되게 향상시켰습니다. 결과적으로 학습된 앵커 조건부 생성기와 RouteSolver 정교화는 상호 보완적임을 보여줍니다. 즉, 생성기는 텍스트-동작 품질을 유지하는 반면, RouteSolver는 더 강력한 앵커 준수를 향한 제어 가능한 경로를 제공합니다.