Tag · 2 篇
多人交互建模
分布 强化学习与具身智能13D 视觉与重建1
01 02
PolySLGen：多人交互中的在线多模态说-听反应生成
PolySLGen: Online Multimodal Speaking-Listening Reaction Generation in Polyadic Interaction
面向具身智能体的多人交互场景，提出姿态融合模块与社交线索编码器，将群体运动与社交信号聚合后生成目标参与者的语音、身体动作与说话状态；其多人运动聚合与语音-动作对齐的建模思路可迁移到人体动作预测、社交姿态生成与说话人状态估计等视觉任务。
面向单张图像的人类交互感知三维重建
Human Interaction-Aware 3D Reconstruction from a Single Image
把多人场景先变换到正交规范空间、再用多视图扩散联合生成法线与图像以补全遮挡区域，并引入基于物理的交互先验约束人体间接触，这套「组-实例联合建模 + 多视图扩散补全」思路可直接迁移到多人/多物体场景的单图重建与遮挡补全任务。