arXiv上发表的两篇新研究论文介绍了捕捉高保真4D手部-物体交互的先进技术。第一篇论文《通过多视图时空跟踪和物理感知高斯实现高保真4D手部-物体捕捉》提出了一种系统,该系统使用Transformer模型进行姿态初始化,并使用物理感知高斯优化框架进行精炼,无需物体模板或标记。第二篇论文《VEPHand: 视图高效的光度手部性能捕捉》提出了一个用于动态手部捕捉的端到端流程,使用无掩码的神经方法和受物理启发的注册框架,专为视图高效设置而设计,能够处理复杂的交互。 AI
影响 这些论文推动了4D重建的最新技术,有望为具身AI和空间计算应用实现更逼真的虚拟交互和资产生成。
排序理由 arXiv上发表了两篇学术论文,详细介绍了4D手部-物体捕捉的新方法。
- 4D Hand-Object Capture
- alphaXiv
- Appearance Decomposition
- arXiv
- CatalyzeX
- Collision Refinement
- DagsHub
- Embodied Ai
- Gotit.pub
- Hand-Object Physics-Aware Gaussian-Based Optimization Framework
- Hugging Face
- Multi-View Feed-Forward Transformer
- Multi-View Spatiotemporal Tracking
- Physics-Aware Gaussians
- ScienceCast
- spatial computing
- Tetrahedral Constraints
- VEPHand
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →