“HOIAnimator: Generating Text-prompt Human-object Animations using Novel Perceptive Diffusion Models”[1]一文提出了一种能够根据文本描述直接生成人与物体互动动画的感知扩散模型，通过感知消息传递机制，确保动画流畅一致；提出的交互接触场模型，深入理解人与物互动的本质，从而创造动态且具有情境感知的动画。

 

图一：HOIAnimator: Generating Text-prompt Human-object Animations using Novel Perceptive Diffusion Models

 

论文“Arbitrary Motion Style Transfer with Multi-condition Motion Latent Diffusion Model”[2]提出了一种适用于任意运动风格迁移的多条件潜在扩散模型。该模型通过精巧地解构并整合运动的轨迹、内容和风格，实现了运动本质与风格的和谐融合。并且，该模型优先考虑内容通道作为核心，并通过轨迹与风格通道的动态支持，顺畅整合多条件，既提升了表现力，又保持了内容完整。

 

图二：Arbitrary Motion Style Transfer with Multi-condition Motion Latent Diffusion Model

 

智能文本与知识工程创新团队致力于计算机视觉、自然语言处理与知识图谱，虚拟现实等领域的研究与应用，与北京航空航天大学虚拟现实国家重点实验室、中科院计算所、中科院软件所、纽约大学石溪分校等国内国际顶级团队有深入合作和联合培养。团队成员主持多项国家级、省部级科研项目，已发表顶级CCF-A类期刊、会议论文30多篇。团队针对学生特点因材施教，个性化培养；形成了开放、活跃的研究氛围。

 

此次高质量论文的发表，充分彰显了智能文本与知识工程创新团队在人工智能领域的实力与发展潜力。该团队表示，今后将继续携手国内外一流的学术机构，矢志不渝地推进虚拟现实与人工智能技术的前沿探索，共绘虚拟现实与人工智能结合的新蓝图。

 

 

[1] Song W, Zhang X, Li S*, Gao Y, Hao A, Hou X, Chen C, Li N, Qin H*. HOIAnimator: Text-Prompt Human-Object Animations Generation with Perceptive Diffusion Models[C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2024.

 

[2] Song W, Jin X, Li S*, Chen C*, Hao A, Hou X, Li N, Qin H. Arbitrary Motion Style Transfer with Multi-condition Motion Latent Diffusion Model[C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2024.