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。

本文提出了一种新方法用于预测三维人物与物体的交互（HOIs），通过交互扩散和校正步骤，利用扩散模型生成逼真的三维交互。研究开发了双分支扩散模型和互动预测扩散模型，以提高动作一致性和接触区域预测的准确性，并提出了新的数据集和手感知条件扩散方法，显著提升了手物互动图像生成的质量和稳定性。