arXiv · 机器人与计算机视觉· Daniel Eskandar, Ilya A. Petrov, Gerard Pons-Moll·· 2026-10-05精选AI 评分83
COSMI:一种基于组合合成的多对象交互生成方法
COSMI: COmpositional Synthesis of Multi-object Interactions
AI 导读
针对现有多对象交互数据集采集成本高昂的问题,该研究提出 COSMI 方法,利用单对象捕捉片段通过镜像、转移及语言与几何一致性检查进行组合合成,构建了包含 22.2 万序列和 275 小时视频的多对象交互数据集。基于此数据训练的文本到交互扩散模型在未见对象与交互组合的基准测试中展现出优异的泛化能力,且在文本对齐与接触精度上优于基线方法。代码、模型及数据处理管线将在项目页面发布。
推荐理由
COSMI 数据集通过组合单对象捕捉生成多对象交互,显著扩展了训练数据规模并提升了模型对未见对象的泛化能力。
来源:arXiv · 机器人与计算机视觉 · arxiv.org