基于解耦结构的场景中多样化3D人体姿态生成

本文提出了一种新颖的方法，用于在具有语义控制的场景中生成多样化的3D人体姿态。现有方法严重依赖人-场景交互数据集，导致生成的人体姿态多样性有限。为了克服这一挑战，我们提出将姿态和交互生成过程解耦。我们的方法包括三个阶段：姿态生成、接触生成和将人体放入场景。我们在人体数据集上训练姿态生成器以学习丰富的姿态先验，在人-场景交互数据集上训练接触生成器以学习人-场景接触先验。最后，放置模块以合适且自然的方式将人体放入场景中。在PROX数据集上的实验结果表明，我们的方法产生了更物理上合理的交互，并展现出更多样化的人体姿态。此外，在MP3D-R数据集上的实验进一步验证了我们方法的泛化能力。