論文の概要: MOCHI: Motion Enhancement of Collaborative Human-object Interactions

• arxiv url: http://arxiv.org/abs/2606.18243v1
• Date: Tue, 16 Jun 2026 17:58:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-17 17:15:32.598039
• Title: MOCHI: Motion Enhancement of Collaborative Human-object Interactions
• Title（参考訳）: MOCHI: 協調的な人間と物体の相互作用の運動の促進
• Authors: Jiye Lee, Yonghun Choi, Jungdam Won,
• Abstract要約: 協調的な人間と物体の相互作用は、参加者と共有対象との相互予測と継続的な調整を必要とする複雑な動きを示す。 ノイズの多いMHOIデータを改善するための2段階フレームワークであるMOCHIを提案する。 提案手法は,まず,雑音の多い身体入力から手の動きを最適化し,身体のポーズとセマンティックに整合した手の動きを生成する。 最適化の過程では,人・物・人・人のインタラクション情報を,これら1対1で符号化する最適化手法を導入する。
• 参考スコア（独自算出の注目度）: 9.360852329235477
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Collaborative human-object interaction shows dynamic and complex movements that require mutual anticipation and continuous adjustment between participants and the shared object. Modeling such collaborative multi-human object interaction (MHOI) scenarios requires high-quality data acquisition as a foundational step; however, this is challenging due to the inherent complexity of MHOI where human-human and human-object interactions occur simultaneously. Such complexity leads to noisy MHOI captures characterized by several artifacts: contact misalignment between hands and objects, motion jitter and temporal inconsistencies in the captured sequences, and missing or incomplete finger-level articulation details. To address these challenges, we present MOCHI (MOtion Enhancement of Collaborative Human-object Interactions), a two-stage framework for enhancing noisy MHOI data. Our approach first generates physically plausible hand grasps through optimization from noisy body input, producing grasps that are both physically plausible and semantically consistent with the body pose, where these optimized grasps are extended into complete hand-object interaction sequences. Consequently, the full-body motion for all participants are refined through a diffusion-based noise optimization framework that uses single-person motion priors. During the optimization process, we introduce optimization objectives to encode human-object and human-human interaction information within these single-person priors. Experimental results demonstrate the effectiveness of our pipeline across diverse MHOI data, either acquired by existing capture methods or synthesized by generative models. We further show robustness of our system across varying numbers of participants and types of interactions, and demonstrate various applications including keyframe-based MHOI creation and data augmentation through varying object geometries.
• Abstract（参考訳）: 協調的な人間と物体の相互作用は、参加者と共有対象間の相互予測と継続的な調整を必要とする動的かつ複雑な動きを示している。 このような協調的マルチヒューマンオブジェクトインタラクション(MHOI)のシナリオをモデル化するには、基礎的なステップとして高品質なデータ取得が必要であるが、人間と人間のオブジェクトの相互作用が同時に発生するMHOIの本質的な複雑さのため、これは難しい。 このような複雑さは、手と物体間の接触の不一致、捕獲されたシーケンスにおける動きのジッタと時間的不整合、指のレベルが不完全であるか不完全であるかといった、いくつかのアーティファクトを特徴とするMHOIキャプチャーをノイズに導く。 これらの課題に対処するために,ノイズの多いMHOIデータを強化するための2段階のフレームワークであるMOCHI(Motion Enhancement of Collaborative Human-Object Interactions)を提案する。 提案手法は,まず,身体の姿勢と物理的に妥当かつセマンティックに整合したグリップを生成し,これら最適化したグリップを完全なハンドオブジェクト間相互作用シーケンスに拡張する。 その結果, 全参加者のフルボディ動作は, 一人称動作前処理を用いた拡散型雑音最適化フレームワークによって改善される。 最適化の過程では,人・物・人・人のインタラクション情報を,これら1対1で符号化する最適化手法を導入する。 実験により,MHOIデータにまたがるパイプラインの有効性が実証された。 さらに,参加者数やインタラクションの種類によってシステムの堅牢性を示すとともに,キーフレームベースのMHOI生成や,さまざまなオブジェクトジオメトリによるデータ拡張など,さまざまな応用例を示す。

関連論文リスト

• HOIGS: Human-Object Interaction Gaussian Splatting [23.156838849980847]
  複雑な人間とオブジェクトの相互作用で動的なシーンを再構築することは、コンピュータビジョンとグラフィックスの根本的な課題である。 本研究では,人間と物体間の相互作用による変形をモデル化したHuman-Object Interaction Gaussian Splatting (HOIGS)を提案する。 我々の手法は、最先端の人間中心と4Dガウスのアプローチを一貫して上回る。
  論文  参考訳（メタデータ） (2026-04-05T08:27:28Z)
• 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)
• Multi-Person Interaction Generation from Two-Person Motion Priors [7.253302825595181]
  グラフ駆動インタラクションサンプリングは、現実的で多様な多人数インタラクションを生成する方法である。 生成タスクを、互いの動作に条件付けられた同時1対1の動作生成に分解する。 提案手法は,多人数・多人数のインタラクションを広範囲に生成する際の工芸品の削減において,既存の手法よりも一貫して優れる。
  論文  参考訳（メタデータ） (2025-05-23T13:13:00Z)
• in2IN: Leveraging individual Information to Generate Human INteractions [29.495166514135295]
  In2IN(in2IN)は、人間と人間の動作生成を個別に記述した新しい拡散モデルである。 In2INで生成された動きと、HumanML3Dで事前訓練された1人の動きによって生成された動きとを組み合わせたモデル合成手法であるDualMDMを提案する。
  論文  参考訳（メタデータ） (2024-04-15T17:59:04Z)
• THOR: Text to Human-Object Interaction Diffusion via Relation Intervention [51.02435289160616]
  我々は、リレーショナルインターベンション(THOR)を用いたテキスト誘導型ヒューマンオブジェクト相互作用拡散モデルを提案する。 各拡散段階において、テキスト誘導された人間と物体の動きを開始し、その後、人と物体の関係を利用して物体の動きに介入する。 テキスト記述をシームレスに統合するText2HOIデータセットであるText-BEHAVEを,現在最大規模で公開されている3D HOIデータセットに構築する。
  論文  参考訳（メタデータ） (2024-03-17T13:17:25Z)
• Scaling Up Dynamic Human-Scene Interaction Modeling [58.032368564071895]
  TRUMANSは、現在利用可能な最も包括的なモーションキャプチャーHSIデータセットである。 人体全体の動きや部分レベルの物体の動きを複雑に捉えます。 本研究では,任意の長さのHSI配列を効率的に生成する拡散型自己回帰モデルを提案する。
  論文  参考訳（メタデータ） (2024-03-13T15:45:04Z)
• 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)

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。