面向两人物互动的在线反应策略：Ready-to-React
计算机视觉与模式识别
2025-02-28 v1
摘要
本文解决了生成两人物在线互动的任务。此前，存在两种主要的两人物互动生成设置：(1) 基于对方完整运动序列生成自身运动；(2) 基于特定条件联合生成两人物运动。我们认为，这些设置未能建模真实两人物互动过程，其中人类会实时反应对方并作为独立个体行动。相反，我们提出了一种在线反应策略，称为 Ready-to-React，通过基于过去观察到的运动生成下一个人物的姿态。每个人物都有自己的反应策略作为其"大脑"，使其能够以流式方式像真实人类一样进行互动。我们的策略通过将扩散头整合到自回归模型中实现，该模型能够动态响应对方的运动，同时有效缓解生成过程中的误差积累。我们使用具有挑战性的拳击任务进行了全面实验。实验结果表明，我们的方法优于现有基线方法，并能生成延长的运动序列。此外，我们展示了该方法可由稀疏信号控制，使其特别适用于虚拟现实和其他在线交互环境。
引用
@article{arxiv.2502.20370,
title = {Ready-to-React: Online Reaction Policy for Two-Character Interaction Generation},
author = {Zhi Cen and Huaijin Pi and Sida Peng and Qing Shuai and Yujun Shen and Hujun Bao and Xiaowei Zhou and Ruizhen Hu},
journal= {arXiv preprint arXiv:2502.20370},
year = {2025}
}
备注
Accepted as ICLR 2025 conference paper