FlowMoPは複数人の3D動作を確率的に予測する条件付きフローマッチングフレームワークを導入した。従来は確定的手法で各エージェントに固定数の出力しか生成せず、今まで多様性が欠けていた点を解消した。

本手法では、グローバルなルート軌跡とルート相対姿勢を同一生成モデルで同時に予測する。さらにB‑スプライン制御点に再パラメータ化し、フレームごとに独立して生成するのではなく、効率的に運動を圧縮しながら時間的平滑性を確保する。

入力と生成途中のノイズトークンを並行して処理する双方向ストリームトランスフォーマーを採用。観測された隣接エージェントの動きを条件に入れることで、相互作用を意識した予測が可能となった。

実験結果では、CMU-Mocap（UMPM）と3DPWデータセットで、JPE・APE・FDEといった指標で従来の確定的ベースラインよりも優れた性能を示した。数値で見ると、FlowMoPは各時間ホライズンで最小値を達成し、ベスト‑オブ‑6予測で比較優位を示した。

WorldPoseサッカーデータにおいても、T2PやEMPMPを上回るベースラインを確立。1.0s、2.0s、3.0sの時間ホライズン全てでJPE・APE・FDEが低減し、最先端手法を凌駕した。

これらの結果は、フローマッチング、B‑スプライン再パラメータ化、相互作用条件付けを組み合わせることで、多人数3D動作予測においてより正確で多様な未来を生成できることを示唆している。