HOI-PAGE：基于部件感知引导的零样文本生成人物-物体交互

我们提出HOI-PAGE，一种优先考虑部件级感知推理，以零样方式从文本提示生成高保真4维人物-物体交互（HOI）的新方法。与先前关注全局、整体人体-物体运动合成的工作不同，我们的方法显式地推理利用大型语言模型（LLM）所捕获的交互部件机制。我们将这种推理表示为结构化的部件感知图（PAG），作为高层次交互框架，用于指导三个阶段的合成：首先，将输入3D物体分解为语义部件；其次，从文本提示生成参考HOI视频，以提取基于部件的运动约束；最后，优化4维HOI运动序列，使其模仿参考动力学，同时满足部件级接触约束。大量实验表明，我们的方法灵活且能够生成复杂的多物体或多人物交互序列，在零样4维HOI生成方面显著提升了现实感与文本对齐度。