모글로우: 정규화 흐름을 이용한 확률적·제어 가능한 모션 합성

본 논문은 데이터‑드리븐 모션 합성 분야에서 확률적·제어 가능한 모델의 필요성을 강조하며, 기존 방법들의 한계를 상세히 분석한다. 전통적인 결정론적 모델은 평균 포즈로 회귀하는 경향이 있어 발 미끄러짐, 움직임의 단조로움 등 시각적 결함을 초래한다. 반면 확률적 모델은 동일한 제어 입력에 대해 다양한 샘플을 생성함으로써 자연스러운 변동성을 제공한다. 그러나 기존 확률적 접근법—예를 들어 HMM, Kalman 필터, Gaussian Mixture, VAE, GAN—은 각각 가우시안 가정, 변분 하한의 근사, 학습 불안정성, 샘플링 온도 조절 필요 등으로 인해 고품질 모션을 생성하는 데 한계가 있었다. 이러한 배경에서 저자들은 정규화 흐름(Normalising Flows), 특히 Glow 구조를 기반으로 한 새로운 모델 MoGlow를 제안한다. 정규화 흐름은 가역적인 변환을 통해 복잡한 데이터 분포를 단순한 기본 분포(보통 표준 정규분포)와 매핑한다. 이 과정은 역변환이 존재하고, 로그우도를 정확히 계산할 수 있기 때문에 최대우도 학습이 가능하고, 샘플링도 효율적이다. MoGlow는 이 아이디어를 시계열 모션 데이터에 적용하기 위해 자동회귀(autoregressive) 형태로 설계하였다. 구체적으로, 각 타임스텝 t에서 이전 pose와 제어 신호(예: 목표 위치, 속도)를 입력으로 LSTM이 은닉 상태를 업데이트하고, 이 은닉 상태를 조건으로 Glow 변환을 수행해 다음 pose를 생성한다. 핵심 설계 요소는 다음과 같다. 첫째, 인과성(causality) – 모델은 미래 프레임이나 제어 입력을 참조하지 않으며, 따라서 실시간 시스템에서 알고리즘 지연이 전혀 없다는 장점이 있다. 둘째, 장기 의존성 – LSTM 은닉 상태를 통해 수십 프레임에 걸친 메모리를 유지함으로써 보행 주기, 발 착지 타이밍 등 장시간 패턴을 정확히 모델링한다. 셋째, 데이터 드롭아웃 – 학습 시 입력 pose의 일부를 무작위로 마스킹함으로써 모델이 제어 신호에 더 강하게 의존하도록 유도한다. 이는 제어 신호와 생성 모션 사이의 정합성을 향상시킨다. 실험은 두 개의 공개 모션 캡처 데이터셋을 사용한다. 첫 번째는 인간 보행 데이터이며, 두 번째는 개(사족) 보행 데이터이다. 두 데이터셋 모두 다양한 속도와 경로, 그리고 발 착지 정보를 포함한다. 평가 방법은 정량적 지표(관절 위치 평균 제곱 오차, 발 착지 시점 오차, 스무딩 정도)와 주관적 사용자 설문(자연스러움, 다양성)으로 구성된다. MoGlow는 기존 베이스라인(조건부 VAE, GAN, Gaussian Mixture, WaveGlow 기반 모델 등)보다 모든 지표에서 우수한 성능을 보였다. 특히 무작위 샘플링 시에도 인간 평가자들이 실제 캡처와 구분하기 어려울 정도의 품질을 달성했으며, 제어 신호가 변했을 때도 빠르게 적응해 자연스러운 보행을 유지했다. 논문의 기여는 크게 네 가지로 정리할 수 있다. (1) 정규화 흐름을 이용한 최초의 모션 시퀀스 모델 제안, 이는 정확한 확률분포 학습과 효율적 샘플링을 동시에 가능하게 한다. (2) 자동회귀와 LSTM 기반 장기 메모리를 결합해 인과적이면서도 장시간 의존성을 보존하는 구조 설계. (3) 데이터 드롭아웃을 통한 제어 신호 의존성 강화 기법 도입. (4) 인간·사족 두 종류의 모션에 대한 광범위한 실험을 통해 모델의 일반성과 실용성을 입증. 향후 연구 방향으로는 (a) 더 복잡한 행동(점프, 회전, 상호작용)으로 확장, (b) 멀티모달 입력(음성, 텍스트, 환경 센서)과의 통합, (c) 로봇 제어 및 가상 현실 인터랙션에 실시간 적용, (d) 모델 경량화와 하드웨어 최적화를 통한 모바일/임베디드 환경 적용 등이 제시된다. MoGlow는 확률적 모션 합성 분야에 새로운 패러다임을 제시하며, 실시간 인터랙티브 애플리케이션에 바로 활용 가능한 기술적 기반을 제공한다.