arXiv は 2026 年 10 月 21 日に、Guantian Zheng 氏ともう 1 名の共著者による論文「MoRE: Motion-Regularized Encoding for Articulated 3D Generation（铰接式三次元生成のための運動正則化エンコーディング）」を新着論文として公開した。投稿日時は 2026 年 10 月 21 日 18:55:12 UTC で、論文は 6 ページ、図 3 点、表 4 点から構成され、コンピュータビジョンとパターン認識（cs.CV）に分類されている。arXiv 番号は 2610.30337（v1）、DOI は https://doi.org/10.48550/arXiv.2610.30337 で、DataCite による発行（登録は保留中）である。
本論文が扱う中心的な問題は、単一の画像から铰接式（articulated）物体を生成するには、その外観と、各部品の動きを支配する機構の両方を復元する必要があるという点にある。著者らは、関節属性をコンパクトに符号化するだけでは、再構成がその結果生じる運動を保持することを保証できないと指摘する。すなわち、関節パラメータが正確に表現されたとしても、符号化の過程が運動の結果と結び付いていなければ、再構成された三次元モデルは articulation 時に真の運動からずれてしまう可能性がある。
そこで著者らは MoRE（Motion-Regularized Encoding）を提案する。関節の表現には、座標軸に整列した関節線（joint lines）を用い、軸の分類（axis classification）と、軸に直交する 2 つの Plücker モーメント係数を組み合わせる。この表現の利点は、軸に沿った原点選択の任意性を排除できることにある。従来の表現では関節軸上の原点を人為的に指定する必要があったが、Plücker モーメント係数によって表現は原点の取り方に依存しなくなり、関節線の表現がより規範的になる。
表現学習の段階では、MoRE はデコードされた関節仮説を用いて対応する三次元アンカー（anchors）を移動させ、その運動を注釈付き関節の運動と比較する。さらに著者らは、関節タイプと軸方向に関する微分可能な期待値（differentiable expectation）を導入し、属性の再構成をそこから誘導される運動に結合する。これにより、ネットワークは関節属性を学習する際に運動の一貫性による直接的な監督を受ける。この設計こそが「運動正則化」の中核であり、関節属性の再構成は孤立して行われるのではなく、それが生み出す運動効果と結び付けて扱われる。
生成アーキテクチャとしては、MoRE は画像を条件とするフローモデル（image-conditioned flow）を用いて得られた機能潜在変数（functional latents）を学習し、同時にマルチステート適応型ガウスモデル（multi-state-adapted Gaussian model）によって外観を供給する。推論時には、復元された部品割り当てと関節によって、単一のレストポーズ（rest-pose）ガウス群を articulation でき、状態ごとに物体全体を再生成する必要がないため、効率が大きく向上する。
実験では、PartNet-Mobility と ACD の 2 つのデータセットで評価が行われた。結果として、比較対象のベースラインと比べて、MoRE は部品バウンディングボックスの一致度、articulation 状態における幾何品質、視覚的類似度の面でより強い性能を示した。関節予測においては、ArtiLatent と比較して軸・原点・範囲（range）の誤差を低減した。また、制御されたアブレーション実験は関節線符号化の設計を支持し、運動監督がアンカー運動誤差を低減することを示した。
なお、著者らはコードと学習済みチェックポイントを将来公開する予定であると述べており、現時点では結果を直接再現・検証することはできない。また、上記の性能に関する結論は論文自身の実験設定と選択されたベースラインに基づくものであり、引用の際には比較範囲とデータセットの制約に注意すべきである。本論文の HTML 版は実験的と位置付けられており、音声要約などの追加機能も提供されている。