Tag · 3 篇
多智能体交互
分布 生成模型与扩散13D 视觉与重建1视觉语言模型1
01 02 03
基于流匹配的统一无人数约束文本到动作生成
Unified Number-Free Text-to-Motion Generation Via Flow Matching
把 flow matching 用在多人动作生成上，用统一潜空间桥接异构动作数据集、用金字塔分辨率条件化降低开销、用半噪声联合概率路径缓解自回归误差累积，这套「单次先验生成 + 多次反应生成」的分解思路可迁移到多人交互视频生成与人体动作预测。
SyncMos：面向多智能体场景交互的可扩展运动同步
SyncMos: Scalable Motion Synchronisation for Multi-Agent Scene Interaction
把扩散后验采样与时间规整控制结合，在无需重训练的前提下把单智能体运动合成模型扩展为多智能体时序同步生成，可直接迁移到人体-场景交互、虚拟角色动画等需要跨主体时序对齐的生成任务。
Socratic-Geo：通过多智能体交互的合成数据生成与跨模态几何推理
Socratic-Geo: Synthetic Data Generation and Cross-Modal Geometric Reasoning via Multi-Agent Interaction
对做视觉语言模型几何推理的人，这篇提供了用多智能体闭环把「图像-文本对」合成与模型学习需求耦合起来的范式：Teacher 用参数化 Python 脚本加可解性/视觉有效性反思保证数据纯度，Solver 的失败路径反过来指导定向增广，Generator 把「图像-代码-指令」三元组蒸馏成图像生成能力，可直接迁移到其他数据稀缺的推理任务。