기존 motion based method들은 보통 discrete based method들을 활용한다. 이 method들은 continous based method들에 비해 더 좋은 FID를 보여준다.

그러나, motion은 inherently continous 한 모달리티이다.

Discrete based method들은,

Discrete method들의 한계 확인

1. Quantization Error가 존재한다 (당연히 gt에 비해 upper bound가 존재함)

   1. upper bound를 더 늘릴 수 있으면 좋다 (이는 codebook → motion을 개선 시키겠다는 뜻)
   2. upper bound를 아예 없애버리면 좋다 (이는 motion domain에서 작동한다는 뜻)

2. jitter가 많다( 이걸 야무지게 보여줄 수 있으면 너무 좋음)

   1. GT jitter는 이렇고, discrete based method 들의 jitter는 다음과 같다.

   ❓ continous based method들은 이런 jitter가 discrete에 비해 낮다는 것을 보여줘도 나쁘지 않을듯 → jitter가 높은 이유는 discrete이기 때문이다!! → 그러면 우린 continous한 무언가를 해야한다.

3. Qualitative로 보여 줄 수 있음

   1. GT에 비해 recon이 안되는 것을 보여준다
      • 이건 quantization error를 qualitative하게 보여주는 것 외엔 의미가 없어 보인다
   2. joint position의 움직이는 graph를 통한 확인
      • discrete based가 확실히 툭툭 끊기는 느낌이 있으면 좋음

그러나, discrete based method들은 generation task 를 classification task로 formulation 함으로써 굉장히 generation 성능이 높다.

그러나 discrete based method들은 대부분 해당 discrete method를 개선하는데에만 집중을 하지 위와 같은 문제점들을 직접적으로 address하지 않는다.

우리는 discrete based method들의 한계점을 파악하였고, 해당 문제를 address하기 위해 continous한 domain에서 이를 해결하려 하였다.

이에 우리는 A, B, C를 제시하였다.

우리의 contribution은 다음과 같다

1. 우리는 discrete한 method들의 한계를 파악하고, 이를 continous한 domain에서 개선시키는 방법을 고안하였다.
2. 개선 시킬 수 있는 다양한 방법들을 고안하고 실험하였다.
3. 모든 task에서 적용가능하며 몇몇 task에서 SOTA를 달성하였다.

Engineering

Conditioning