Ponimator: Desdobrando a Pose Interativa para Animação Versátil de Interação Humano-Humano

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

October 16, 2025

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

cs.AI

Resumo

Poses interativas de humanos em proximidade física transmitem informações contextuais ricas sobre a dinâmica da interação. Dadas tais poses, os humanos podem inferir intuitivamente o contexto e antecipar possíveis dinâmicas passadas e futuras, baseando-se em fortes prioris do comportamento humano. Inspirados por essa observação, propomos o Ponimator, uma estrutura simples ancorada em poses interativas proximais para animação versátil de interações. Nossos dados de treinamento consistem em poses de duas pessoas em contato próximo e seu contexto temporal circundante, extraídos de conjuntos de dados de interação capturados por sensores de movimento. Aproveitando as prioris de poses interativas, o Ponimator emprega dois modelos de difusão condicional: (1) um animador de poses que utiliza a priori temporal para gerar sequências dinâmicas de movimento a partir de poses interativas, e (2) um gerador de poses que aplica a priori espacial para sintetizar poses interativas a partir de uma única pose, texto ou ambos, quando poses interativas não estão disponíveis. Coletivamente, o Ponimator suporta diversas tarefas, incluindo animação de interação baseada em imagem, animação de reação e síntese de texto para interação, facilitando a transferência de conhecimento de interação de dados de captura de movimento de alta qualidade para cenários de mundo aberto. Experimentos empíricos em diversos conjuntos de dados e aplicações demonstram a universalidade da priori de poses e a eficácia e robustez de nossa estrutura.

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.