DeVI：用合成视频学灵巧人-物交互

韩国研究者 Hyeonwoo Kim 等人提出 DeVI 框架，让虚拟角色通过模仿文本生成的合成视频来学习基于物理的灵巧人-物交互控制。其做法是把重建的 3D 人体运动与跟踪的 2D 物体轨迹组合成混合模仿目标，从而绕开对 3D 物体运动的显式重建，并用 Visual HOI Alignment 优化人体参考，使生成视频与初始 3D 物体配置对齐。 作者称，实验显示这种混合表示优于基线方法，且无需动作捕捉演示即可完成目标感知交互和铰接物体操作。该结果来自论文自述，尚未经独立验证。

AI 根据报道生成 · 51 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。