本研究提出了一种无数据集的自监督学习模型，用于检测单个物体的对称性。该方法利用物体的内在特征，显著提高了效率和效果，超越了依赖大规模标注数据集的模型。

HOIMotion是一种利用过去的人体姿势和视角3D物体边界框信息进行人体运动预测的方法。通过编码器-残差图卷积网络和多层感知器从姿势和物体特征中提取特征，将姿势和物体特征融合成新颖的姿势-物体图，并使用残差解码器图卷积网络预测未来的人体运动。HOIMotion在关节位置误差平均值方面显著改进，预测姿势更精确和逼真。视角3D物体边界框对人体运动预测具有重要信息内容，HOIMotion方法有效。