arXiv cs.AI· Mingyuan Lei, Yoonchang Sung, Tat-Jen Cham·· 9 天前AI 评分22
MAMHOI：通过可供性分解实现场景感知的人-物交互生成
MAMHOI: Factorizing Scene-Aware Human-Object Interaction through Affordances
AI 导读
MAMHOI 通过显式的运动-可供性接口，将场景感知的人-物交互生成分解为场景理解与运动合成两步：场景条件模型先预测交互在哪里、如何可行执行，可供性条件 HOI 模型再生成对应的人-物运动。该方法无需配对的人-物-场景数据，即可从互补监督来源中学习场景理解与交互动态。在复杂室内环境实验中，MAMHOI 减少了物体-场景穿透，同时更好地保持了人-物交互质量。
正文 · AI 翻译
摘要：在复杂 3D 场景中生成逼真的人-物交互（HOI）需要两种互补能力：对环境中的交互可行性进行推理，以及合成逼真的人-物运动。然而，这些能力的监督信号很少能大规模地联合获得。人-场景数据集提供了关于环境感知运动的丰富信息，而人-物数据集则捕捉了详细的交互动态，但配对的人-物-场景数据仍然稀缺。我们提出 MAMHOI，一种用于场景感知人-物交互生成的可供性中介分解方法。MAMHOI 通过场景理解与运动合成之间显式的运动-可供性接口，对场景感知的 HOI 生成进行分解：一个以场景为条件的模型首先预测交互可以在何处以及如何可行地执行，然后一个以可供性为条件的 HOI 模型生成相应的人-物运动。这种分解使得场景理解和交互动态能够从互补的监督来源中学习，而无需配对的人-物-场景数据。在复杂室内环境中的实验表明，MAMHOI 减少了物体--场景穿透，同时更好地保持了人--物交互质量，从而产生更逼真且物理上可行的场景感知交互。项目页面：this https URL
| Comments: | 项目页面：this https URL |
| Subjects: | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| Cite as: | arXiv:2610.12416 [cs.CV] |
| （或 arXiv:2610.12416v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.12416 arXiv 颁发的 DOI 通过 DataCite（待注册） |
Submission history
来自：Mingyuan Lei [查看邮箱]
[v1]
2026年10月8日星期四 17:52:02 UTC（1,051 KB）
来源：arXiv cs.AI · arxiv.org