上海交通大学在ICIP 2024推出了一个新的人物交互数据集，包含38组30视角的多人或单人RGB-D视频序列，提供摄像机参数、前景掩码和SMPL模型等信息。视频由30台Kinect Azure摄像机以4K分辨率和25FPS拍摄，解决了现有数据集视角有限和分辨率低的问题，为神经视点合成研究提供了基准，旨在推动人物交互和NVS领域的发展。
本研究提出了一种新方法，通过文本生成高质量的三维人物-物体交互场景。该方法利用双分支扩散模型和互动预测扩散模型，增强了人和物体之间的动作一致性。实验结果表明，该方法在生成逼真互动方面优于现有技术，能够有效处理复杂的空间关系和多样的物体形状。
完成下面两步后，将自动完成登录并继续当前操作。
