研究人员开发了 COSMI，一种用于在生成模型中合成多个对象交互的新颖方法。该方法通过将单对象交互片段组合成更复杂的场景，解决了现有数据集的局限性，显著扩展了可用数据。COSMI 数据集包含 222,000 个序列和 275 小时的数据，最多包含五个对象，比以前的多对象数据集大近三十倍。在该数据上训练的文本到交互扩散 Transformer 模型在看不见的对象和交互组合上表现出强大的泛化能力，在文本对齐和接触准确性方面优于基线方法。 AI
影响 使生成式 AI 中的人类-对象交互更加复杂和逼真，有可能改进机器人技术和虚拟环境中的应用。
排序理由 该集群描述了一种用于生成模型的新数据集和方法，该方法在一篇研究论文中提出。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
Generative models of human-object interaction are bounded by the data that exists: everyday activities involve several objects, but most captured datasets record one at a time, as multi-object capture is combinatorially expensive. Our observation is that interactions are local, s…
arXiv:2610.03252v1 Announce Type: new Abstract: Generative models of human-object interaction are bounded by the data that exists: everyday activities involve several objects, but most captured datasets record one at a time, as multi-object capture is combinatorially expensive. O…