研究人员推出了新的框架和基准来理解计算机视觉中的手部-物体交互。一篇论文详细介绍了 HOI-DETR，这是一种新的架构，在 Hands23 和 FineBio 等多个数据集上将最先进的性能提高了 20 多个百分点。另一项贡献是 HanDyVQA，这是一个视频问答基准，旨在评估手部-物体动态中的细粒度时空推理能力，而当前的 Gemini 2.5 Pro 等模型难以掌握。 AI
影响 新的基准和模型推动了对复杂人-物体交互理解的前沿研究，有望改进机器人技术和动作识别。
排序理由 该集群包含两篇学术论文，详细介绍了用于计算机视觉任务的新模型和基准。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.17384v1 Announce Type: new Abstract: Understanding hands and the objects they interact with, both directly and through tools, is a key step for tasks ranging from action perception to 3D reconstruction and robotics. Our paper provides several contributions to the Hand-…
arXiv:2512.00885v2 Announce Type: replace Abstract: Hand-object interaction (HOI) inherently involves dynamics where human manipulations produce distinct spatio-temporal effects on objects. However, existing semantic HOI benchmarks focused either on manipulation or on the resulti…