論文の概要: JointHOI: Jointly Generating Contact Maps Enhances Hand Object Interaction Generation

• arxiv url: http://arxiv.org/abs/2607.01768v1
• Date: Thu, 02 Jul 2026 06:34:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-03 19:45:08.701025
• Title: JointHOI: Jointly Generating Contact Maps Enhances Hand Object Interaction Generation
• Title（参考訳）: JointHOI: 接触マップを共同生成してハンドオブジェクトのインタラクション生成を実現する
• Authors: Mingyeong Song, Jungbin Cho, Jisoo Kim, Ananya Bal, Kartik Sharma, Youngjae Yu, Laszlo A. Jeni, Junhyug Noh,
• Abstract要約: We present JointHOI, a single stage diffusion framework that jointly generated 3D hand object motion and dynamic, distance based contact map from text。 GRABとARCTICの実験は、先行手法よりもテキストの付着性と物理的妥当性が一貫した改善を示した。
• 参考スコア（独自算出の注目度）: 24.655154886327633
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Text driven hand object interaction (HOI) generation is gaining attention for immersive applications and robotics, yet producing physically plausible interactions remains challenging. Even when individual motions appear natural, small contact errors can cause conspicuous artifacts such as floating and interpenetration. Prior methods mitigate these issues using explicit contact cues or implicit grasp priors, but typically rely on multi stage pipelines and fail to model temporally evolving contact. We present JointHOI, a single stage diffusion framework that jointly generates 3D hand object motion and dynamic, distance based contact maps from text. By treating contact as an auxiliary inner modality, joint generation enables the model to learn contact motion coupling during training. At inference, contact guided sampling enforces consistency between generated contact maps and motion implied geometry, improving temporal stability and reducing penetration and floating. Experiments on GRAB and ARCTIC demonstrate consistent improvements in text adherence and physical plausibility over prior methods.
• Abstract（参考訳）: テキスト駆動ハンドオブジェクトインタラクション(HOI)生成は没入型アプリケーションやロボット工学に注目されているが、物理的に妥当なインタラクションを生み出すことは依然として難しい。 個々の動きが自然に見えても、小さな接触誤差は浮き彫りやインターペネレーションのような顕著な人工物を引き起こすことがある。 従来の手法では、明示的な接触キューや暗黙的な把握事前を使用してこれらの問題を緩和するが、通常は複数のステージパイプラインに依存し、時間的に進化する接触をモデル化できない。 We present JointHOI, a single stage diffusion framework that jointly generated 3D hand object motion and dynamic, distance based contact map from text。 接触を補助的な内部モダリティとして扱うことにより、ジョイント生成により、トレーニング中の接触運動結合を学習することができる。 推測において、接触誘導サンプリングは、生成した接触マップと運動インプリッド幾何との整合性を強制し、時間的安定性を改善し、浸透と浮動を減らす。 GRABとARCTICの実験は、先行手法よりもテキストの付着性と物理的妥当性が一貫した改善を示した。

関連論文リスト

• Seeing Touch from Motion: A Unified Modality-Aware Visuo-Tactile Policy with Tactile Motion Correlation [74.87716678195099]
  光触覚センサーを利用した視覚触覚ポリシーは、コンタクトリッチな操作において大きな可能性を秘めている。 これらの利点にもかかわらず、接触リッチな操作に必要なきめ細かい接触状態の抽出は未解決の課題である。 本研究では,触覚を触覚で認識し,触覚を触覚で表現する手法を提案する。
  論文  参考訳（メタデータ） (2026-06-29T08:20:18Z)
• DragMesh-2: Physically Plausible Dexterous Hand-Object Interaction with Articulated Objects [12.35353010124029]
  調音物体との有害な相互作用は、家庭、補助、ヒューマノイド操作において重要である。 そこでDragMesh-2について述べる。 また,身体情報を利用した接触認識学習機構であるPICAを提案する。
  論文  参考訳（メタデータ） (2026-06-13T05:47:14Z)
• Hand-centric Human-to-Robot Trajectory Transfer from Video Demonstrations via Open-World Contact Localization [28.23926683554352]
  EmphHOWTransferは、人間のデモを接触認識、分類情報、多様なロボット軌道に蒸留する手中心のフレームワークである。 emphHOWTransferは、時間的に一貫した3次元手の動きを回復し、観察された手と物体の相互作用の手がかりを解析することで、時間的接触間隔を局所化する。 実験によると、emphHOWTransferは86%の精度で正確な接触位置決めと高品質なロボットの動きを可能にする。
  論文  参考訳（メタデータ） (2026-06-09T11:53:29Z)
• CHOIR: Contact-aware 4D Hand-Object Interaction Reconstruction [73.97421249653412]
  単眼カメラ用コンタクト対応HOI再構成フレームワークであるCHOIRについて述べる。 ChoIRは、まず、オープンワールドの視覚的先行から、粗い接触に依存しない4D HOI配列を初期化する。 次に、生成したHOI空間補正モジュールを導入し、光深度補正を予測し、手動相対配置を補正する。 最後に、動的に更新された接触制約を伴う接触認識関節最適化は、幾何学的、時間的、接触整合性を強制する。
  論文  参考訳（メタデータ） (2026-05-20T10:31:10Z)
• SocialMirror: Reconstructing 3D Human Interaction Behaviors from Monocular Videos with Semantic and Geometric Guidance [49.69016078147708]
  密接な相互作用シナリオにおける人間の行動の正確な再構築は、拡張現実における現実的な仮想インタラクションの実現に不可欠である。 本稿では,これらの問題に効果的に対処するための意味的および幾何学的手がかりを統合する拡散ベースのフレームワークであるSocialMirrorを提案する。 SocialMirrorはインタラクティブなヒューマンメッシュを再構築する上で,最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2026-04-15T07:41:52Z)
• Unleashing Guidance Without Classifiers for Human-Object Interaction Animation [54.24065561632133]
  従来の拡散に基づくアプローチは、しばしば接触品質を改善するために手作りの接触先行や人為的なキネマティック制約に頼っている。 そこで本研究では,手作業による事前設計への依存を軽減し,手作業による指導を段階的に行うデータ駆動型代替手法を提案する。 このデータ駆動型ガイダンスは本質的に接触認識であり,広い範囲の合成対象測地でトレーニングを行う際に拡張可能である。
  論文  参考訳（メタデータ） (2026-03-26T17:59:34Z)
• Towards Realistic Hand-Object Interaction with Gravity-Field Based Diffusion Bridge [23.484478357333856]
  本研究では,手・物体の相互作用をアトラクション駆動のプロセスとして定式化し,変形可能な手表面と剛体物体との相互作用をシミュレートする重力場ベース拡散橋(GravityDB)を提案する。 本手法は, 干渉のない物理的に妥当な相互作用を生成し, 安定した把握を確保し, 現実的な手の動きを捉えることによって, 上記の課題を効果的に解決する。
  論文  参考訳（メタデータ） (2025-09-03T08:15:19Z)
• Contact2Grasp: 3D Grasp Synthesis via Hand-Object Contact Constraint [18.201389966034263]
  3Dグリップ合成は、入力対象が与えられたグリップポーズを生成する。 本研究では, 接触領域を把握するための中間変数を導入し, グリップ生成を制約する。 本手法は,各種メトリクスの把握に関する最先端手法よりも優れる。
  論文  参考訳（メタデータ） (2022-10-17T16:39:25Z)
• Contact-Aware Retargeting of Skinned Motion [49.71236739408685]
  本稿では,自己接触を保存し,相互接続を防止する動作推定手法を提案する。 入力運動における自己接触と接地を同定し、出力骨格に適用するための動作を最適化する。 実験では,従来の手法を定量的に上回り,近年の成果よりも高い品質で再ターゲットされた動きを評価できるユーザスタディを実施している。
  論文  参考訳（メタデータ） (2021-09-15T17:05:02Z)

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。