AnchorHOI: 基于锚框先验蒸馏的零样文本驱动4D人体-物体交互生成
计算机视觉与模式识别
2025-12-17 v1
摘要
尽管监督式方法在文本驱动的4D人体-物体交互（HOI）生成方面取得了显著进展，但由于缺乏大规模4D HOI数据集，扩展性仍受限。为克服这一问题，近期方法尝试利用预训练图像扩散模型实现零样4D HOI生成。然而，交互线索在生成过程中被蒸馏的程度有限，限制了其在多样化场景中的适用性。本文提出AnchorHOI，一种新型框架，通过纳入视频扩散模型（超越图像扩散模型）来充分利用混合先验，推动4D HOI生成。在实际中，直接利用此类先验优化高维4D HOI仍具挑战性，尤其是针对人体姿态和组成运动。为此，AnchorHOI引入基于锚框的先验蒸馏策略，构建交互感知锚框，再据此以可管理的两步过程引导生成。具体而言，为4D HOI生成设计了两个量身定制的锚框：用于表达交互构图的锚框神经射出场（NeRFs），以及用于实现真实运动合成的锚框关键点。大量实验表明，AnchorHOI在保持优异多样性和泛化能力的同时，超越了先前方法的性能。
引用
@article{arxiv.2512.14095,
title = {AnchorHOI: Zero-shot Generation of 4D Human-Object Interaction via Anchor-based Prior Distillation},
author = {Sisi Dai and Kai Xu},
journal= {arXiv preprint arXiv:2512.14095},
year = {2025}
}
备注
AAAI 2026