BodyBridge：用于弱势道路使用者仿真到现实转换的身体锚定层

基于摘要分析。该研究针对驾驶视频仿真到现实转换中，行人与骑行者等弱势道路使用者（VRUs）被简化为通用物体类别、难以保持关节姿态与身份相关外观的问题，提出 BodyBridge 及 Grounded Body Layers（GBL），以显式身体表征改善视频扩散模型的姿态保真生成。 GBL 是由仿真器导出的像素对齐表征，结合场景几何、逐像素规范身体对应关系和精确 VRU 掩码。其作用包括向视频扩散模型提供显式关节姿态信息，在控制分支后训练中强调 VRU 区域，并在推理时与场景几何控制进行加性组合。该表征还支持对生成 VRU 进行逐关节评估，以及对身份错误建立分类体系；具体损失、区域加权方式和组合实现尚未验证。 在 CARLA-to-real 转换评估中，作者报告：相较已发布的深度条件基线，BodyBridge 的近距离 [email protected] 提升 22%；以规范对应关系替代法线图身体控制后，身体翻转减少 18%；采用控制组合后，近距离朝向翻转减少 27%。这些数字沿用摘要中的相对变化表述，不应解读为百分点；距离阈值、样本构成、数据划分、指标定义及统计不确定性尚未验证。 作者表示将公开代码、数据和模型检查点，摘要并不证明这些资源已可获取。实验协议、消融及统计信息尚未验证。研究的主要对象是驾驶场景中的人体视频生成；当前材料未建立其与 EEG/BCI 信号建模的具体机制对应，因此不据此提出迁移效果或复现实验建议。