提出了一个名为 HUMANISE 的大规模、语义丰富的合成 HSI 数据集，并开展了一项名为 Language-conditioned Human Motion Generation 的新一代任务，以及相应的在场景和语言指导下的生成模型，该模型能够在 3D 场景中产生多样化且语义一致的人体动作。

Oct, 2022

人 - 场景交互生成是一项具有挑战性且关键的任务，但是受到有限的数据规模的限制。通过将纯运动序列视作与不可见场景占用交互的记录，利用大规模配对的数据集 Motion Occupancy Base（MOB），我们提出了一种新的人 - 占有交互的统一视角。在 MOB 上训练的单个运动控制器可以处理狭窄的场景，并在复杂度有限的一般场景中具有良好的泛化性。我们的方法可以在各种场景中生成逼真且稳定的人 - 场景交互动作。

Dec, 2023

通过构建大规模逼真人体运动数据集，对合成与真实数据进行综合分析，以提高在多人实际场景下的人体姿态及形状识别技术应用的效果。

Dec, 2021

提出了一种基于强化学习的方法来处理 3D 室内场景中虚拟人类与环境以及物体的交互，包括生成运动模型、创新的碰撞回避奖励函数、基于标记体和半径场的交互感知奖励函数以及训练策略等多个方面，实验结果表明，该方法在运动的自然性和多样性方面都优于现有的人 - 场景交互综合框架。

May, 2023

该研究通过构建一个新的名为 RICH 的数据集，使用 BSTRO 算法从单幅 RGB 图像中直接预测人体与场景的接触，在探索图像中覆盖的区域时，提出了一种新的非局部关系学习方法，并且通过实验证明了其比之前的方法具有更好的性能质。

Jun, 2022

提出了人性化的 4D 场景捕捉（HSC4D），使用 IMUs 和 LiDAR 进行全空间和无地图的动态数字世界创建，并将它们用于长期捕捉。同时，关注人与环境之间的关系，以实现交互更为真实。提出了一个包含准确动态人体运动和位置的大型场景数据集，可用于多个下游任务。

Mar, 2022

基于去噪扩散模型，我们提出了一种用于文本控制的场景感知运动生成方法。该方法通过预训练场景不可知的文本到运动扩散模型，并利用包含详细场景信息的增强数据对模型进行微调，产生逼真多样的人 - 场景互动。

Apr, 2024

本文提出了一种基于扩散驱动变换器的视频人体网格复原框架 (DDT)，能有效地提高运动平滑性和时间连续性，并且具有较高的效率和因果性，能够广泛应用于各种实际场景。

Mar, 2023

我们提出了 TRAM 方法，一个两阶段的方法，从野外视频中重建人类的全局轨迹和运动。通过增强 SLAM 以在存在动态人类的情况下恢复相机运动，并利用场景背景来推导运动尺度。利用恢复的相机作为度量尺度参考帧，我们引入一个视频转换模型 (VIMO) 来回归人类的运动。通过组合这两个运动，我们实现了对世界空间中 3D 人体的准确恢复，相对于之前的工作，全局运动误差减少了 60%。

Mar, 2024

通过使用预训练的大型模型和文本到动作模型，本文介绍了一种名为 InterDreamer 的框架，能够以零样本的方式生成与文本指令无缝对齐的逼真和连贯的 3D 人物 - 物体交互序列。

Mar, 2024