论文页面 - MAMHOI：通过可供性分解场景感知的人–物交互

来源：https://huggingface.co/papers/2610.12416 我们提出了 MAMHOI，一个用于在复杂 3D 环境中生成场景感知人–物交互的框架。我们的核心观察是，这项任务需要两种互补的能力：理解场景中哪些位置能够可行地开展交互，以及合成人与物体应如何协同运动。然而，能够为这两方面提供监督的配对人–物–场景运动数据仍然稀缺。

MAMHOI 通过运动可供性对场景感知的人–物交互（HOI）生成进行分解，以应对这一挑战。一个以场景为条件的模型从多样的室内人–场景交互数据中学习预测与任务相关的可供性，而一个以可供性为条件的生成模型则从不含场景的 HOI 数据中学习协调的人–物运动动力学。预测得到的可供性提供了一种共享表示，将场景理解与交互合成连接起来。

这种分解使 MAMHOI 能够将学到的人–物交互适配到复杂环境中，而无需配对的人–物–场景训练数据。我们的实验表明，生成的运动更符合场景几何结构，显著减少了物体与场景之间的穿透，并保持了人–物交互的质量。

欢迎社区提出评论、问题和反馈！