HOIDiNi：通过扩散噪声优化实现人-物交互
计算机视觉与模式识别
2025-10-22 v2
摘要
我们提出了HOIDiNi，一个文本驱动的扩散框架，用于合成真实且合理的人-物交互（HOI）。HOI生成极具挑战性，因为它需要严格的接触精度以及多样化的运动流形。虽然当前文献在真实感和物理正确性之间进行权衡，但HOIDiNi使用扩散噪声优化（DNO）直接在预训练扩散模型的噪声空间中进行优化，从而同时实现两者。这得益于我们的观察，即该问题可以分为两个阶段：一个以物体为中心的阶段，主要对手-物接触位置进行离散选择；以及一个以人为中心的阶段，细化全身运动以实现这一蓝图。这种结构化方法允许精确的手-物接触，同时不影响运动的自然性。仅在GRAB数据集上的定量、定性和主观评估清楚地表明，HOIDiNi在接触精度、物理有效性和整体质量方面优于先前的工作和基线。我们的结果展示了仅通过文本提示驱动，生成复杂、可控交互的能力，包括抓取、放置和全身协调。https://hoidini.github.io。
引用
@article{arxiv.2506.15625,
title = {HOIDiNi: Human-Object Interaction through Diffusion Noise Optimization},
author = {Roey Ron and Guy Tevet and Haim Sawdayee and Amit H. Bermano},
journal= {arXiv preprint arXiv:2506.15625},
year = {2025}
}
备注
Project page: https://hoidini.github.io