THOM：从文本生成物理合理的手-物三维网格
数值分析
2026-04-06 v1 数值分析
最优化与控制
摘要
从文本生成照片级真实感的三维手-物交互（HOI）对于机器人抓取和AR/VR内容创作等应用具有重要意义。然而，在实践中，同时实现视觉保真度和物理合理性仍然很困难，因为从文本生成的高斯分布中提取网格本质上是病态的，且生成的网格通常无法用于基于物理的优化。我们提出了THOM，一个无需训练的框架，可直接从文本提示生成物理合理的三维HOI网格，无需模板物体网格。THOM遵循一个两阶段流程：首先，由文本引导生成手部和物体的高斯分布，然后通过基于物理的优化细化它们的交互。为实现可靠的交互建模，我们引入了一种具有显式顶点到高斯映射的网格提取方法，从而实现拓扑感知正则化。我们进一步通过接触感知优化和视觉语言模型（VLM）引导的翻译细化来提高物理合理性。大量实验表明，THOM产生了具有强文本对齐、视觉真实性和交互合理性的高质量HOI。
引用
@article{arxiv.2604.02735,
title = {Error Estimates of the Gain Approximation by Hermite-Galerkin Method in Feedback Particle Filter},
author = {Ruoyu Wang and Peng Sun and Xue Luo},
journal= {arXiv preprint arXiv:2604.02735},
year = {2026}
}
备注
8 pages, 3 figures, 1 table