這是首次嘗試基于文本引導生成具有物體交互的4D虛擬形象。

原標題：ICLR 2025｜南洋理工大學AvatarGO，探索4D人與物體交互生成新方法
文章來源：機器之心
內容字數：11019字

AvatarGO：基于文本引導的4D人體-物體交互生成框架

本文介紹了南洋理工大學S-Lab提出的AvatarGO，一個全新的4D人體-物體交互（HOI）生成框架，能夠生成流暢逼真的人體與物體交互動畫，并有效解決穿模問題。AvatarGO突破了現有方法依賴SMPL模型的局限性，在以人為中心的4D內容創作領域展現了巨大潛力。

1. 現有方法的局限性

現有的4D HOI生成方法主要依賴SMPL人體模型，難以真實呈現日常生活中復雜的人體與物體交互場景。雖然一些方法（如InterDreamer）實現了零樣本生成，但仍受限于SMPL模型在衣物表現和對復雜交互場景的處理能力。盡管2D生成模型借助大語言模型和海量數據取得了顯著進展，但將這些技術遷移到3D/4D HOI生成時，仍面臨兩個關鍵挑戰：（1）物體與人體的接觸區域如何確定？（2）如何保持人體與物體在動態過程中的交互合理性？

2. AvatarGO的核心創新

為了解決上述挑戰，AvatarGO提出了兩項關鍵創新：

1. LLM引導的接觸區域重定向：利用Lang-SAM模型從文本中識別大致的接觸部位，作為優化過程的初始化，解決擴散模型在估計接觸區域時的難題。

2. 對應關系感知的動作優化：將物體的分為主動和從動部分，利用SMPL-X作為中介，確保人體和物體在交互過程中保持一致的對應關系，顯著提高了對穿模問題的魯棒性。

3. AvatarGO的框架結構

AvatarGO框架主要包含兩個部分：

1. 文本驅動的3D人體與物體組合：利用LLM從文本中重定向接觸區域，結合空間感知的SDS（空間感知評分蒸餾采樣）合成3D模型。

2. 對應關系感知的動作優化：聯合優化人體和物體的動畫，保持空間對應關系，提高對穿模問題的魯棒性。

4. 關鍵技術細節

AvatarGO通過空間感知評分蒸餾采樣（SSDS）增強人體和物體之間的空間關系，并利用LLM引導的接觸區域重定向技術精確定義接觸區域。在動作優化方面，AvatarGO利用SMPL-X的線性混合蒙皮函數建立場，并提出對應關系感知優化方法，通過聯合優化人體和物體的可訓練參數，有效減少穿模問題。

5. 實驗結果與局限性

實驗結果表明，AvatarGO在生成高保真4D動畫方面顯著優于現有方法，在處理穿模問題上也具有更強的魯棒性。然而，AvatarGO也存在局限性，例如它假設物體是剛體，難以處理非剛性物體動畫，并且假設物體與人體持續接觸，難以處理間斷接觸的交互場景。

6. 總結

AvatarGO為基于文本引導的4D人體-物體交互生成開辟了新的途徑，其在解決穿模問題和生成逼真交互動畫方面取得了顯著進展。盡管存在一些局限性，但AvatarGO的創新方法為未來研究提供了寶貴的參考。

聯系作者

文章來源：機器之心
作者微信：
作者簡介：專業的人工智能媒體和產業服務平臺