English(EN) Multi-Person Human Motion Forecasting in Complex Scenes

新的扩散模型可预测复杂场景下的多人运动

作者 PulseAugur 编辑部 · [1 个来源] · 2026-08-28 04:00

研究人员开发了对象条件化社交扩散模型（OCSD），这是一种新颖的条件化扩散模型，旨在改善复杂环境下的多人人体运动预测。OCSD将运动历史、人际互动和对象线索整合到一个统一的框架中。该模型利用对象条件化机制进行细粒度的人体-对象推理，并使用社交编码器来模拟个体之间的互动。实验表明，OCSD在Humans in Kitchens (HiK) 和 HOI-M3 基准测试中取得了最先进的性能，显著降低了路径误差，并产生了更逼真的长期预测。 AI

影响这项研究提高了AI在复杂环境中预测人类行为的能力，可能对机器人和自主系统产生影响。

排序理由该集群包含一篇详细介绍新模型和基准测试结果的学术论文。

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 24 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇详细介绍新模型和基准测试结果的学术论文。
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Serdar Ozsoy, Lars Doorenbos, Juergen Gall · 2026-08-28 04:00

复杂场景下的多人人体运动预测

arXiv:2608.27039v1 Announce Type: cross Abstract: Accurately forecasting the movement of people in complex scenes requires reasoning over the past and present state of the entire environment. In this context, effectively incorporating object information and social interactions in…

本文如何被排名

报道来源 [1]

复杂场景下的多人人体运动预测

相关实体

相关话题