論文の概要: PhysiGen: Integrating Collision-Aware Physical Constraints for High-Fidelity Human-Human Interaction Generation

• arxiv url: http://arxiv.org/abs/2605.00517v1
• Date: Fri, 01 May 2026 08:43:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-04 17:43:28.915637
• Title: PhysiGen: Integrating Collision-Aware Physical Constraints for High-Fidelity Human-Human Interaction Generation
• Title（参考訳）: PhysiGen:高忠実な人間と人間のインタラクション生成のための衝突を考慮した物理的制約の統合
• Authors: Nan Lei, Yuan-Ming Li, Ling-An Zeng, Liang Xu, Zhi-Wei Xia, Hui-Wen Huang, Fa-Ting Hong, Wei-Shi Zheng,
• Abstract要約: ボディ相互接続は、データ取得と生成された結果の両方から広範囲にわたる問題である。 以前の生成モデルはこの問題を無視したり、計算コストの高いメッシュレベルの損失関数を導入したりした。 人間のインタラクション生成のための衝突認識物理制約を明示的に統合するPhysorGenを提案する。
• 参考スコア（独自算出の注目度）: 48.47944295952281
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Despite substantial progress in text-driven 3D human motion synthesis, generating realistic multi-person interaction sequences remains challenging. Notably, body inter-penetration is a pervasive issue from both data acquisition to the generated results, which significantly undermines the realism and usability. Previous generative models either ignored this issue or introduced computationally expensive mesh-level loss functions to alleviate inter-body collisions. In this paper, we propose a general-purpose and computationally efficient optimization strategy named PhysiGen to explicitly integrate collision-aware physical constraints for human-human interaction generation. Specifically, we simplify the high-resolution human body mesh into geometric primitives to greatly reduce the cost of inter-person collision detection. Moreover, we identify the collision regions as the guidance of the optimization directions. PhysiGen is plug-and-play and can be readily integrated into existing human interaction generation models. Extensive cross-dataset and cross-model experiments show that our method can effectively reduce interpenetration and significantly improve visual coherence and physical plausibility compared to the state-of-the-art methods.
• Abstract（参考訳）: テキスト駆動型人体モーション合成の大幅な進歩にもかかわらず、現実的な多人数インタラクションシーケンスを生成することは依然として困難である。 特に、ボディ・インター・ペネティフィケーションは、データ取得から生成された結果への広範にわたる問題であり、現実性とユーザビリティを著しく損なう。 以前の生成モデルはこの問題を無視したり、物体間の衝突を緩和するために計算コストの高いメッシュレベルの損失関数を導入したりした。 本稿では,人間と人間のインタラクション生成のための衝突認識物理制約を明示的に統合する,PhysorGenという汎用的で効率的な最適化手法を提案する。 具体的には、高分解能の人体メッシュを幾何学的プリミティブに単純化し、対人衝突検出のコストを大幅に削減する。 さらに,衝突領域を最適化方向のガイダンスとして同定する。 PhysiGenはプラグアンドプレイで、既存のヒューマンインタラクション生成モデルに簡単に統合できる。 クロスデータセットおよびクロスモデル実験により,我々の手法は相互接続を効果的に低減し,最先端の手法と比較して視覚的コヒーレンスと物理的妥当性を著しく向上させることができることを示した。

関連論文リスト

• MeshMimic: Geometry-Aware Humanoid Motion Learning through 3D Scene Reconstruction [54.36564144414704]
  MeshMimicは、3Dシーンの再構築とインテリジェンスを組み込んだ革新的なフレームワークで、ヒューマノイドロボットがビデオから直接「モーション・テライン」インタラクションを学習できるようにする。 現状の3次元視覚モデルを活用することで、我々のフレームワークは、人間の軌跡と基礎となる地形や物体の3次元幾何学の両方を正確にセグメント化し再構築する。
  論文  参考訳（メタデータ） (2026-02-17T17:09:45Z)
• Learning Whole-Body Human-Humanoid Interaction from Human-Human Demonstrations [63.80827184637476]
  D-STAR(D-STAR)は,行動すべき場所から行動すべき場所を乱す階層的な政策である。 広範かつ厳密なシミュレーションを通じて、我々のフレームワークを検証する。
  論文  参考訳（メタデータ） (2026-01-14T14:37:06Z)
• Interact2Ar: Full-Body Human-Human Interaction Generation via Autoregressive Diffusion Models [80.28579390566298]
  テキスト条件付き自己回帰拡散モデルであるInteract2Arを導入する。 ハンドキネマティクスは専用のパラレルブランチを通じて組み込まれ、高忠実度フルボディ生成を可能にする。 我々のモデルは、時間的動きの合成、外乱へのリアルタイム適応、ディヤディックからマルチパーソンシナリオへの拡張など、一連のダウンストリームアプリケーションを可能にする。
  論文  参考訳（メタデータ） (2025-12-22T18:59:50Z)
• Decoupled Generative Modeling for Human-Object Interaction Synthesis [35.78156236836254]
  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。
  論文  参考訳（メタデータ） (2025-12-22T05:33:59Z)
• Towards Immersive Human-X Interaction: A Real-Time Framework for Physically Plausible Motion Synthesis [51.95817740348585]
  Human-Xは、様々な実体をまたいだ没入的で物理的に妥当なヒューマンインタラクションを可能にするために設計された、新しいフレームワークである。 本手法は, 自己回帰型反応拡散プランナを用いて, リアルタイムに反応と反応を同時予測する。 我々のフレームワークは、人間とロボットのインタラクションのための仮想現実インターフェースを含む、現実世界のアプリケーションで検証されている。
  論文  参考訳（メタデータ） (2025-08-04T06:35:48Z)
• HOI-Dyn: Learning Interaction Dynamics for Human-Object Motion Diffusion [7.53135072953302]
  本稿では、ドライバ対応システムとしてHOI生成を定式化する新しいフレームワークであるHOI-Dynを提案する。 我々の手法の中核は、軽量なトランスフォーマーベースの相互作用力学モデルである。 提案手法は,HOI生成の質を高めるだけでなく,生成した相互作用の質を評価するための有効な指標も確立する。
  論文  参考訳（メタデータ） (2025-07-02T14:13:48Z)
• 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)
• RobustFusion: Robust Volumetric Performance Reconstruction under Human-object Interactions from Monocular RGBD Stream [27.600873320989276]
  現実のシナリオでは、さまざまなオブジェクトと複雑な相互作用を持つ人間のパフォーマンスの高品質の4D再構築が不可欠です。 近年の進歩は、信頼性の高い性能回復には至っていない。 人間と物体のインタラクションシナリオのための堅牢なボリュームパフォーマンス再構築システムであるRobustFusionを提案する。
  論文  参考訳（メタデータ） (2021-04-30T08:41:45Z)

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。