研究人员开发了DewHand,一个新颖的系统,用于从单目视频重建世界空间手部运动的度量。这个统一的、单阶段的流程联合预测手部和相机运动,避免了多阶段方法中常见的误差传播。DewHand通过结合场景级几何特征和度量空间监督来解决尺度模糊问题,并采用基于流匹配的生成式方法来处理遮挡和视线外的が手部,在准确性和时间平滑性方面优于直接回归。在HOT3D和ARCTIC数据集上的实验表明,与最先进的方法相比,DewHand在世界空间准确性和相机尺度恢复方面有了显著的改进,并且在HoloAssist、H2O和TACO数据集的零样本评估中也取得了最低的误差。 AI
影响 这项研究通过实现对手部和相机运动更准确、更鲁棒的重建,推动了单目计算机视觉的发展,有望提升人机交互和虚拟代理的能力。
排序理由 这是一篇描述手部运动重建新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →