可供性引导的人物交互动作扩散架构图

概览

两因子分解式架构图，三个面板。这是一张可编辑的 PowerPoint 图，依据 CC BY 4.0 许可改编自论文原图。

图中内容

(A) 场景理解：场景、规划的物体路径和指令输入可供性去噪 U-Net，输出任务相关的可供性图，损失为 ℒ_aff = ℒ_{x₀} + λ_BCE ℒ_BCE + λ_path ℒ_path。(B) 可供性接口：局部体素占据（P_pelvis、P_object、P_goal → V^pelvis、V^object、V^goal）和可供性体素编码器。(C) 可供性引导的动作生成：带交叉注意力（K、V 来自可供性特征）的动作扩散主干、测试时引导、基于 ℒ_rank 的可供性感知动作排序，以及回到场景的逐段循环。每个方框、箭头、标签和公式都是原生形状，改配色、改文字、拆开单独用都行，适合组会汇报、开题、论文配图和海报。

文件格式

下载包含：.pptx（1 页，13.46 × 6.63 英寸；PowerPoint、Keynote、WPS、LibreOffice 都能打开；Google Slides 也能用，但复杂自由曲线可能略有偏移）、.svg、.drawio。附原尺寸预览图 preview.png，另有 1200 px 网页预览图。

形状与编辑

104 个原生可编辑形状：27 个自选图形、37 个文本框、4 个自由曲线、36 条线条/连接线。另有 15 张嵌入图片（见下方说明）。可编辑内容：全部文字和公式、Factor 括号、带标题栏的三个面板、U-Net / 编码器梯形、P 标签、MLP 与 Cross Attention 模块、虚线容器、箭头和图例。

嵌入图片与字体

有 15 处是嵌入位图：场景、体素和动作渲染图。文字统一用 Times New Roman（Windows 和 macOS 自带；LibreOffice 会用等宽度的 Liberation Serif 显示）。上下标是真正的上标 / 下标文字格式，不是公式编辑器对象。SVG 里的文字仍是可编辑文字；draw.io 文件是逐个形状转换的，个别位置可能要微调。本文件是忠实重绘，不是作者的原始源文件。