3D motionを生成する類いの先行研究では，シーンとのinteraction，affordanceの推論については行われているものはなく，これらを取り入れた点が新しい．また，long-termのmotion生成を行う際に，幾つかのshort-termのmotionを生成した後にうまく繋げるような最適化を施している点も貢献．

PROX datasetで学習し，MP3D datasetでテストを行う． 身体合成部の学習データとしては，8つのシーンから4.3k分のhuman bodyを抽出．動き合成部の学習には，8つのシーンから始点・終点が0.5m以上離れている2秒間のフレーム10k個を抽出．baselineと比較し，再構成誤差・人物による自然さの評価の面でSoTA．

Project Page: https://jiashunwang.github.io/Long-term-Motion-in-3D-Scenes/