Ponimator: Svelare la Postura Interattiva per un'Animazione Versatile delle Interazioni Umane

Ponimator: Unfolding Interactive Pose for Versatile Human-human Interaction Animation

October 16, 2025

Autori: Shaowei Liu, Chuan Guo, Bing Zhou, Jian Wang

cs.AI

Abstract

Le pose interattive a stretto contatto tra esseri umani trasmettono ricche informazioni contestuali sulle dinamiche dell'interazione. Data una tale configurazione, gli esseri umani possono intuire il contesto e anticipare le possibili dinamiche passate e future, attingendo a forti conoscenze pregresse sul comportamento umano. Ispirati da questa osservazione, proponiamo Ponimator, un semplice framework basato su pose interattive prossimali per l'animazione versatile delle interazioni. I nostri dati di addestramento consistono in pose di due persone a stretto contatto e il loro contesto temporale derivato da dataset di interazioni con motion capture. Sfruttando le conoscenze pregresse sulle pose interattive, Ponimator utilizza due modelli di diffusione condizionati: (1) un animatore di pose che utilizza il contesto temporale per generare sequenze dinamiche di movimento a partire da pose interattive, e (2) un generatore di pose che applica il contesto spaziale per sintetizzare pose interattive da una singola posa, testo, o entrambi quando le pose interattive non sono disponibili. Nel complesso, Ponimator supporta diverse attività, tra cui l'animazione interattiva basata su immagini, l'animazione di reazioni e la sintesi di interazioni da testo, facilitando il trasferimento della conoscenza interattiva da dati mocap di alta qualità a scenari di mondo aperto. Esperimenti empirici su vari dataset e applicazioni dimostrano l'universalità del contesto delle pose e l'efficacia e robustezza del nostro framework.

English

Close-proximity human-human interactive poses convey rich contextual information about interaction dynamics. Given such poses, humans can intuitively infer the context and anticipate possible past and future dynamics, drawing on strong priors of human behavior. Inspired by this observation, we propose Ponimator, a simple framework anchored on proximal interactive poses for versatile interaction animation. Our training data consists of close-contact two-person poses and their surrounding temporal context from motion-capture interaction datasets. Leveraging interactive pose priors, Ponimator employs two conditional diffusion models: (1) a pose animator that uses the temporal prior to generate dynamic motion sequences from interactive poses, and (2) a pose generator that applies the spatial prior to synthesize interactive poses from a single pose, text, or both when interactive poses are unavailable. Collectively, Ponimator supports diverse tasks, including image-based interaction animation, reaction animation, and text-to-interaction synthesis, facilitating the transfer of interaction knowledge from high-quality mocap data to open-world scenarios. Empirical experiments across diverse datasets and applications demonstrate the universality of the pose prior and the effectiveness and robustness of our framework.