共 2 篇相关文章
HORIA提出交互感知重渲染框架，通过运动感知分阶段文本描述与文本到视频扩散先验，解决单目视频中人-物交互的语义复合与遮挡难题，实现时间连贯的4D人体与物体重建并达到SOTA。
MAMHOI提出可供性中介分解框架，将场景理解与运动合成解耦，无需配对的人-物-场景数据即可生成物理可行的3D人-物交互，实验显示物体穿透减少且交互质量保持良好。
