ARMFlow：用于在线 3D 人体反应生成的自回归 MeanFlow
计算机视觉与模式识别
2026-03-17 v2
摘要
3D 人体反应生成面临三个主要挑战：（1）高运动保真度，（2）实时推理，以及（3）在线场景中的自回归适应性。现有方法无法同时满足这三个要求。我们提出 ARMFlow，一个基于 MeanFlow 的自回归框架，用于建模表演者与反应者运动之间的时间依赖关系。它由一个因果上下文编码器和一个基于 MLP 的速度预测器组成。我们在训练中引入自举上下文编码（BSCE），编码生成的历史而非真实历史，以缓解自回归生成中的误差累积。我们进一步引入离线变体 ReMFlow，在离线方法中实现了最先进性能且推理速度最快。我们的 ARMFlow 通过以下方式解决了在线设置中的关键限制：（1）通过全局上下文编码器增强语义对齐；（2）在单步推理中实现高精度和低延迟；以及（3）通过 BSCE 减少累积误差。我们的单步在线生成在 InterHuman 和 InterX 上将 FID 提升了约 30%，同时仅使用部分序列条件即可匹配离线最先进性能。
引用
@article{arxiv.2512.16234,
title = {ARMFlow: AutoRegressive MeanFlow for Online 3D Human Reaction Generation},
author = {Zichen Geng and Zeeshan Hayder and Wei Liu and Hesheng Wang and Ajmal Mian},
journal= {arXiv preprint arXiv:2512.16234},
year = {2026}
}