Hierarchical Generation of Human-Object Interactions with Diffusion Probabilistic Models

要約

本論文では、ターゲットオブジェクトとインタラクションする人間の3Dモーションを生成するための新しいアプローチを提示する。これは、既存の自己回帰モデルやパスプランニングベースの手法では満たすことができなかった、長距離かつ多様なモーションを合成するという課題の解決に焦点を当てたものである。我々はこの課題を解決するために、階層的生成フレームワークを提案する。具体的には、まずマイルストーンの集合を生成し、それに沿った運動を合成する。従って、長距離運動生成は、マイルストーンに導かれた複数の短い運動シーケンスを合成することに削減できる。NSM、COUCH、およびSAMPデータセットでの実験により、我々のアプローチが、品質と多様性の両方において、従来の手法を大きく上回ることが示された。ソースコードは我々のプロジェクトページhttps://zju3dv.github.io/hghoi。

要約(オリジナル)

This paper presents a novel approach to generating the 3D motion of a human interacting with a target object, with a focus on solving the challenge of synthesizing long-range and diverse motions, which could not be fulfilled by existing auto-regressive models or path planning-based methods. We propose a hierarchical generation framework to solve this challenge. Specifically, our framework first generates a set of milestones and then synthesizes the motion along them. Therefore, the long-range motion generation could be reduced to synthesizing several short motion sequences guided by milestones. The experiments on the NSM, COUCH, and SAMP datasets show that our approach outperforms previous methods by a large margin in both quality and diversity. The source code is available on our project page https://zju3dv.github.io/hghoi.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL