COUCH：面向可控的人-椅交互合成
计算机视觉与模式识别
2022-05-03 v1
摘要
人类通过在不同位置产生接触而以多种不同方式与物体交互，由此形成高度复杂的运动空间，难以学习，尤其在以可控方式合成此类人体交互时。现有关于合成人与场景交互的工作关注动作的高层控制，而未考虑运动的细粒度控制。本文研究以物体上不同接触位置为条件合成场景交互的问题。作为探究这一新问题的测试平台，我们聚焦于人-椅交互，这是最常见且接触方式高度多变的行为之一。我们提出一种新颖的合成框架 COUCH，其通过预测手部具有接触感知的控制信号来提前规划运动，随后用于合成接触条件化的交互。此外，我们贡献了一个带有干净标注的大规模人-椅交互数据集，即 COUCH Dataset。我们的方法在人与物体交互上相比现有方法取得了显著的定量与定性提升。更重要的是，我们的方法支持通过用户指定或自动预测的接触来控制运动。
引用
@article{arxiv.2205.00541,
title = {COUCH: Towards Controllable Human-Chair Interactions},
author = {Xiaohan Zhang and Bharat Lal Bhatnagar and Vladimir Guzov and Sebastian Starke and Gerard Pons-Moll},
journal= {arXiv preprint arXiv:2205.00541},
year = {2022}
}