ReGenNet：走向人类行为反应综合
原文中文，约1400字，阅读约需4分钟。
📝
内容提要
该论文提出了多个生成模型和框架，旨在合成角色间的自然互动和动作反应。研究包括基于GAN的系统、交互Transformer模型及SocialInteractionGAN，展示了在复杂场景中生成高真实感互动的能力，并验证了合成数据对动作识别性能的提升。
❓
Q&A
ReGenNet的主要目标是什么？
ReGenNet旨在合成角色间的自然互动和动作反应，提升动作识别性能。
COINS模型的特点是什么？
COINS模型可以在高级语义规格的控制下合成3D场景内与虚拟人之间的自然互动。
交互Transformer模型如何提高交互动作的生成？
交互Transformer模型结合时间和空间的注意力机制，能够生成更复杂和长期的交互动作。
SocialInteractionGAN的应用场景有哪些？
SocialInteractionGAN可用于社交机器人或人工头像的设计，生成高真实感互动动作序列。
合成数据如何影响动作识别性能？
合成数据可以提高人类动作识别的性能，特别是对不寻常拍摄视角的泛化能力。
InterGen方法的创新之处是什么？
InterGen方法通过考虑人与人之间的交互，使用户能够使用文本指导自定义高质量的两人互动动作。
🏷️
