UniHOI：通过统一潜在空间实现手–物交互的视频与运动协同生成

基于摘要分析。UniHOI 研究手–物交互（HOI）的视频与3D运动协同生成，试图结合视频基础模型的视觉先验与运动模型的结构化3D交互信息。核心贡献是在保留模态特定生成过程的同时，构建共享潜在空间，并引入跨模态节奏对齐，以改善细粒度时空对应与生成结果的时间一致性。 作者指出，运动生成受到高质量数据稀缺的限制，而视频基础模型缺乏显式3D几何结构建模；已有协同生成方法直接通过注意力建立跨模态联系，却未充分处理两类表征的时空粒度差异。UniHOI 将统一潜在空间组织为视觉动态与3D结构两个互补维度，旨在抽象掉模态特定的组织方式，同时保留互补的交互信息。摘要未说明潜在空间的具体编码方式、节奏对齐的损失形式、训练流程及推理条件。 作者报告，广泛实验显示该方法优于现有最先进方法，但摘要未提供数据集、数据划分、对照方法、评价指标或数值，因而尚不能核对优势幅度、物理合理性的评估方式及适用范围。实验协议、消融及统计信息尚未验证；代码与复现条件也尚未验证。 平台推测（待验证）：共享潜在空间处理异构时空粒度差异的思路，可能启发 EEG 与行为运动信号的联合建模，但这是假设，不是已证实的 BCI 效果。可借鉴共享表征与时间对齐思路，需改造 EEG 编码、通道映射及同步策略，并核对原方法对配对数据、3D监督和训练规模的依赖。低信噪比、跨被试差异、通道变化及小数据可能使共享空间偏向运动模态。一个可检验的小实验是在同步 EEG–运动数据上，固定编码器与数据划分，对比直接跨模态注意力和共享潜在空间，评估时间对应与跨被试泛化；已有 EEG 相关工作尚未检索确认。