本文探讨了人类动作预测在虚拟现实中的重要性，提出了一种新的注视引导去噪扩散模型（GazeMoDiff），该模型通过学习眼球注视与人体运动的时空相关性，能够生成逼真的人体运动。实验结果表明，GazeMoDiff在平均位移误差上优于现有方法。