开放世界泛化

基于结构与接触感知表征的开放世界手物交互视频生成

Open-world Hand-Object Interaction Video Generation Based on Structure and Contact-aware Representation

提出一种无需3D标注的结构与接触感知表征（手物接触、遮挡、整体结构上下文），可作为辅助监督信号嵌入视频生成模型，并用共享-特化联合生成范式同时生成表征与视频；对做可控/物理真实视频生成的人，这是一个可复用的表征监督与联合训练思路。