计算机科学 > 计算机视觉与模式识别
[提交于 2025年8月1日
]
标题: 接触感知的人机交互多区域修复方法
标题: Contact-Aware Amodal Completion for Human-Object Interaction via Multi-Regional Inpainting
摘要: 模态补全,即在部分遮挡的情况下推断物体的完整外观的过程,在计算机视觉和机器人技术中对于理解复杂的人-物体交互(HOI)至关重要。 现有方法,例如使用预训练扩散模型的方法,在动态场景中常常难以生成合理的补全,因为它们对HOI的理解有限。 为了解决这个问题,我们开发了一种新方法,该方法结合了物理先验知识以及专为HOI设计的多区域修复技术。 通过整合来自人体拓扑结构和接触信息的物理约束,我们定义了两个不同的区域:主要区域,其中遮挡的物体部分最有可能存在;次要区域,其中遮挡的可能性较低。 我们的多区域修复方法在扩散模型中针对这些区域使用了定制的去噪策略。 这提高了生成补全在形状和视觉细节方面的准确性和真实性。 我们的实验结果表明,我们的方法在HOI场景中显著优于现有方法,使机器感知更接近人类对动态环境的理解。 我们还证明,即使没有真实接触注释,我们的流程也具有鲁棒性,这扩大了其在3D重建和新视角/姿态合成等任务中的适用性。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.