論文の概要: MFlowHOI: Whole-Body Human-Object Interaction Generation via Part-Aware MeanFlow

• arxiv url: http://arxiv.org/abs/2610.16252v1
• Date: Mon, 12 Oct 2026 06:27:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-19 06:55:31.524722
• Title: MFlowHOI: Whole-Body Human-Object Interaction Generation via Part-Aware MeanFlow
• Title（参考訳）: MFlowHOI:パート・アウェア・ミーンフローによる全物体インタラクション生成
• Abstract要約: 全体の人間と物体の相互作用(HOI)生成には、身体と指の動き、物体の軌跡、時間変化の接触が必要である。 全身HOI生成のための効率的なワンステップフレームワークであるMFlowHOIを提案する。
• 参考スコア（独自算出の注目度）: 24.29083356111191
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Whole-body human-object interaction (HOI) generation requires coordinating body and finger motion, object trajectories, and time-varying contacts. Existing methods typically rely on iterative diffusion or test-time optimization, resulting in high inference costs. Direct one-step generation is highly desired in downstream applications due to efficient inference. However, it is challenging because these HOI components differ substantially in structure and scale. We present MFlowHOI, an efficient one-step framework for whole-body HOI generation. A Contact-Aware Multipart RVQVAE organizes body, hand, object, and contact signals into a structured latent space, with a shared decoder preserving their global coordination. An ST-DiT then models temporal and cross-part dependencies in this space and generates a complete interaction in a single MeanFlow evaluation. Predicted object-local contact correspondences further enable geometric refinement and interaction-preserving transfer to photorealistic 3D Gaussian avatars with different body proportions. Experiments demonstrate that MFlowHOI outperforms existing base generators in motion quality and text alignment while substantially reducing inference time.
• Abstract（参考訳）: 全体の人間と物体の相互作用(HOI)生成には、身体と指の動き、物体の軌跡、時間変化の接触が必要である。 既存の手法は通常反復拡散やテスト時間最適化に依存しており、推論コストが高い。 効率的な推論のため、下流アプリケーションではダイレクトワンステップ生成が非常に望ましい。 しかし、これらのHOI成分は構造や規模で大きく異なるため、これは困難である。 全身HOI生成のための効率的なワンステップフレームワークであるMFlowHOIを提案する。 Contact-Aware Multipart RVQVAEは、ボディ、ハンド、オブジェクト、コンタクト信号を構造化された潜在空間に整理し、共有デコーダがグローバルなコーディネーションを保存する。 ST-DiTは、この空間における時間的および横断的な依存関係をモデル化し、単一のMeanFlow評価において完全な相互作用を生成する。 予測された物体-局所接触対応により、光学的洗練と相互作用保存が、体比の異なるフォトリアリスティックな3Dガウスアバターに転送される。 実験により、MFlowHOIは既存のベースジェネレータよりも動作品質やテキストアライメントに優れ、推論時間を大幅に短縮することが示された。

関連論文リスト

• PAMI: Part Anchored Motion for Text to Human-Object Interaction Generation [41.84042766842064]
  インタラクション生成のためのパート・アンコレッド・モーション・フレームワークであるPAMIを紹介する。 従来のHough Transformにインスパイアされた私たちの重要なアイデアは、ボディ部分のアンカーに投票させることでオブジェクトの動きをローカライズすることだ。 PAMIは従来の手法よりも忠実な相互作用とより正確な人間関係の物体の動きを生成する。
  論文  参考訳（メタデータ） (2026-09-29T19:58:52Z)
• Harnessing Coupled Stream Completion For Human-Object Interaction Modeling [3.3791496522934032]
  テキスト・コンディショニング・ヒューマン・オブジェクト・インタラクション(HOI)生成には、身体の動き、物体の軌跡と回転、手関節の調整が必要である。 共有表現は、各ストリームの異なる構造を制限する可能性があるが、独立生成は、各ストリームが他のストリームの変更に応答することを妨げている。 ストリーム状態を分離し、更新を結合する継続的潜在フレームワークであるTRACEを提案する。
  論文  参考訳（メタデータ） (2026-09-26T12:29:53Z)
• HiPHI: A Large-Scale Benchmark for High-Precision Human Motion and Object-Interaction [48.4618478154232]
  HiPHIは600時間以上の高忠実度人体モーションデータセットである。 フルボディの人間の動きとメッシュレベルの物体軌跡に対して、サブミリメートルの空間マーカー追跡精度を提供する。 本稿では,動作空間の多様性,インタラクショングラウンド,オブジェクトの一貫性,物理AIアプリケーションを評価するベンチマークスイートを紹介する。
  論文  参考訳（メタデータ） (2026-08-17T07:54:26Z)
• Dex2HOI: Dexterous Bimanual Two-Object Interaction Generation [72.50095039264953]
  テキストからの単目的と二目的のHOI合成のための統一拡散モデルであるDex2HOIを提案する。 最終動作を合成するために,新しい手関係オブジェクト表現と統合されたモーションフュージョンネットワークを導入する。
  論文  参考訳（メタデータ） (2026-05-28T18:15:18Z)
• HO-Flow: Generalizable Hand-Object Interaction Generation with Latent Flow Matching [113.81911881001905]
  HO-Flowはテキストと正準3Dオブジェクトから現実的な手動動作シーケンスを合成するためのフレームワークである。 まず、手動と物体の動きのシーケンスを統一された潜在多様体に符号化するために、相互作用を意識した変分オートエンコーダを用いる。 次に、自己回帰的時間的推論と連続的な潜伏生成を組み合わせたマスク付きフローマッチングモデルを利用する。
  論文  参考訳（メタデータ） (2026-04-12T22:06:11Z)
• HINT: Hierarchical Interaction Modeling for Autoregressive Multi-Human Motion Generation [55.73037290387896]
  HINTは,階層的インタラクティクスモデリングを応用した多関節モーション生成のための最初の自動回帰フレームワークである。 第一に、HINTは正準化潜在空間内でのゆがみのある動きの表現を活用し、局所的な動きのセマンティクスを対人インタラクションから切り離す。 第二に、HINTは効率的なオンライン生成のためのスライドウインドウ戦略を採用し、局所的なウィンドウ内およびグローバルなクロスウインドウ条件を集約し、過去の人類の歴史、個人間の依存関係を捉え、テキストガイダンスと整合する。
  論文  参考訳（メタデータ） (2026-01-28T08:47:23Z)
• HIMO: A New Benchmark for Full-Body Human Interacting with Multiple Objects [86.86284624825356]
  HIMOは、複数のオブジェクトと相互作用するフルボディの人間のデータセットである。 HIMOは3.3K 4D HOIシーケンスと4.08M 3D HOIフレームを含む。
  論文  参考訳（メタデータ） (2024-07-17T07:47:34Z)

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。