文本驱动的人-物交互动作动画生成方法、设备及介质

本发明公开了一种文本驱动的人‑物交互动作动画生成方法、设备及介质，其中方法包括：构建交互距离场：通过计算人体关节点与物体关键点之间的IDF矩阵，表征两者在交互过程中的动态空间关系；构建人‑物交互动作生成扩散模型：将多模态条件分别经MLP嵌入后输入Transformer网络，通过时空依赖建模生成语义匹配的交互动作；构建人‑物关系扩散模型：以IDF矩阵作为输入，引入时空自注意力机制，捕捉局部交互关系、时间依赖性及帧间依赖关系，进而建模人体与物体的动态交互模式；基于IDF矩阵引导人‑物交互动作生成。本发明通过联合建模动作与交互关系，显著提升了交互动作的物理合理性和运动时空连贯性，在动画生成精度与控制性方面具有技术优势。