論文の概要: Decoupled Generative Modeling for Human-Object Interaction Synthesis

• arxiv url: http://arxiv.org/abs/2512.19049v1
• Date: Mon, 22 Dec 2025 05:33:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-23 18:54:32.631741
• Title: Decoupled Generative Modeling for Human-Object Interaction Synthesis
• Title（参考訳）: オブジェクト間相互作用合成のためのデカップリング生成モデル
• Authors: Hwanhee Jung, Seunggwan Lee, Jeongyoon Yoon, SeungHyeon Kim, Giljoo Nam, Qixing Huang, Sangpil Kim,
• Abstract要約: 既存のアプローチでは、しばしば手動で指定した中間のウェイポイントを必要とし、最適化の目的を1つのネットワークに配置する。 DecHOI(Decoupled Generative Modeling for Human-Object Interaction Synthesis)を提案する。 軌道生成装置は、まず、所定のウェイポイントを伴わずに人や物体の軌道を生成し、これらの経路に作用生成条件を設けて詳細な動作を合成する。
• 参考スコア（独自算出の注目度）: 35.78156236836254
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Synthesizing realistic human-object interaction (HOI) is essential for 3D computer vision and robotics, underpinning animation and embodied control. Existing approaches often require manually specified intermediate waypoints and place all optimization objectives on a single network, which increases complexity, reduces flexibility, and leads to errors such as unsynchronized human and object motion or penetration. To address these issues, we propose Decoupled Generative Modeling for Human-Object Interaction Synthesis (DecHOI), which separates path planning and action synthesis. A trajectory generator first produces human and object trajectories without prescribed waypoints, and an action generator conditions on these paths to synthesize detailed motions. To further improve contact realism, we employ adversarial training with a discriminator that focuses on the dynamics of distal joints. The framework also models a moving counterpart and supports responsive, long-sequence planning in dynamic scenes, while preserving plan consistency. Across two benchmarks, FullBodyManipulation and 3D-FUTURE, DecHOI surpasses prior methods on most quantitative metrics and qualitative evaluations, and perceptual studies likewise prefer our results.
• Abstract（参考訳）: リアルな人間と物体の相互作用(HOI)の合成は、3Dコンピュータビジョンとロボット工学にとって不可欠である。 既存のアプローチでは、しばしば手動で指定された中間経路ポイントを必要とし、全ての最適化目標を単一のネットワークに配置する。 これらの課題に対処するために、経路計画と行動合成を分離したDecHOI(Decoupled Generative Modeling for Human-Object Interaction Synthesis)を提案する。 軌道生成装置は、まず、所定のウェイポイントを伴わずに人や物体の軌道を生成し、これらの経路に作用生成条件を設けて詳細な動作を合成する。 接触リアリズムをさらに改善するため,遠位関節のダイナミックスに着目した識別器を用いた対人訓練を行った。 フレームワークはまた、動いているものもモデル化し、動的シーンにおける応答性があり、長いシーケンスプランニングをサポートし、プランの一貫性を保っている。 FullBody Manipulation と 3D-FUTURE の2つのベンチマークで、DecHOI は最も定量的な測定値と質的な評価値に先行する手法を上回り、知覚的研究も同様に我々の結果を好んでいる。

関連論文リスト

• CoopDiff: Anticipating 3D Human-object Interactions via Contact-consistent Decoupled Diffusion [62.93198247045824]
  3Dヒューマンオブジェクトインタラクション(HOI)は,人間の将来の動きとその操作対象を,歴史的文脈で予測することを目的としている。 そこで我々は,人間と物体の運動モデリングを分離するために,2つの異なる分岐を用いた接触非結合拡散フレームワークCoopDiffを提案する。
  論文  参考訳（メタデータ） (2025-08-10T03:29:17Z)
• CoDA: Coordinated Diffusion Noise Optimization for Whole-Body Manipulation of Articulated Objects [14.230098033626744]
  人工物体の全身操作は、仮想人間やロボット工学の幅広い応用において、非常に困難な作業である。 本研究では,現実的な全身運動を実現するための新しい拡散雑音最適化フレームワークを提案する。 提案手法は,動作品質と身体的可視性において,既存の手法よりも優れていることを示す広範な実験を行う。
  論文  参考訳（メタデータ） (2025-05-27T17:11:50Z)
• Diffgrasp: Whole-Body Grasping Synthesis Guided by Object Motion Using a Diffusion Model [25.00532805042292]
  本稿では,身体,手,与えられた物体の動き列の関係をモデル化する,シンプルで効果的な枠組みを提案する。 我々は,新たな接触認識損失を導入し,データ駆動型,慎重に設計されたガイダンスを取り入れた。 実験の結果,本手法は最先端の手法より優れ,至適な全身運動系列を生成することがわかった。
  論文  参考訳（メタデータ） (2024-12-30T02:21:43Z)
• Controllable Human-Object Interaction Synthesis [77.56877961681462]
  本研究では,3次元シーンにおける同期物体の動きと人間の動きを生成するための制御可能な人間-物体相互作用合成(CHOIS)を提案する。 ここでは,高レベルな計画から効果的に抽出できるスタイルや意図を言語記述が通知し,シーン内の動きをグラウンド化する。 我々のモジュールは経路計画モジュールとシームレスに統合され、3D環境における長期的相互作用の生成を可能にします。
  論文  参考訳（メタデータ） (2023-12-06T21:14:20Z)
• InterControl: Zero-shot Human Interaction Generation by Controlling Every Joint [67.6297384588837]
  関節間の所望距離を維持するために,新しい制御可能な運動生成手法であるInterControlを導入する。 そこで本研究では,既成の大規模言語モデルを用いて,ヒューマンインタラクションのための結合ペア間の距離を生成できることを実証した。
  論文  参考訳（メタデータ） (2023-11-27T14:32:33Z)
• NIFTY: Neural Object Interaction Fields for Guided Human Motion Synthesis [21.650091018774972]
  我々は、特定の物体に付随する神経相互作用場を作成し、人間のポーズを入力として与えられた有効な相互作用多様体までの距離を出力する。 この相互作用場は、対象条件付きヒトの運動拡散モデルのサンプリングを導く。 いくつかの物体で座ったり持ち上げたりするための現実的な動きを合成し、動きの質や動作完了の成功の観点から、代替のアプローチよりも優れています。
  論文  参考訳（メタデータ） (2023-07-14T17:59:38Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。