PhysiInter：集成物理映射的高保真人类交互生成
计算机视觉与模式识别
2025-06-10 v1
摘要
随着运动捕捉和生成式人工智能技术的进步，利用大规模运动捕捉数据集训练生成模型以合成多样化、逼真的人类动作已成为一个有前景的研究方向。然而，现有的运动捕捉技术和生成模型常常忽略物理约束，导致出现夹穿、滑动和漂浮等问题。在多人动作生成场景中，这些问题因复杂交互而加剧。为解决这些限制，我们提出了 throughout the human interaction generation pipeline 集成物理映射。具体而言，在基于物理的仿真环境中进行动作模仿，用于将目标动作投影到物理上有效的空间。 resulting motions 通过调整以遵守现实世界的物理约束，同时保持原始语义含义。这种映射不仅提高了运动捕捉数据质量，还直接指导生成动作的后处理。鉴于多人场景的独特性交互性，我们提出了量身定做的运动表示框架。引入运动一致性（Motion Consistency, MC）和基于标记的交互（Marker-based Interaction, MI）损失函数，以提高模型性能。实验表明，我们的方法在生成的人类动作质量方面取得了令人印象深刻的效果，物理保真度提升了3%-89%。项目页面 http://yw0208.github.io/physiinter
引用
@article{arxiv.2506.07456,
title = {PhysiInter: Integrating Physical Mapping for High-Fidelity Human Interaction Generation},
author = {Wei Yao and Yunlian Sun and Chang Liu and Hongwen Zhang and Jinhui Tang},
journal= {arXiv preprint arXiv:2506.07456},
year = {2025}
}