标签
Maniformer 的新论文提出 MEgoVista，一套基于头戴式装置的物理 AI 数据系统，通过立体视觉和全序列优化，将手部手指误差降至 4.29 毫米、头部跟踪误差控制在 0.65–2.83 毫米，并经 26 相机动作捕捉实验室验证，为机器人学习提供可测量的人类动作数据。
JoHan：一个从视频序列直接联合生成2D和3D手部姿态序列的统一生成框架，无需依赖逐帧姿态预测，在遮挡和不完整观测下显著提升手部运动重建的精度、速度和平滑度。
本文介绍了 Hand Visibility Detector，一个专门用于手部关节级可见性估计的模型，并展示了其在通过可见性加权三角化进行多视角 3D 手部姿态标注中的优势。
EgoForce是一个单目3D手部重建框架，使用统一网络，包含可微分前臂表示、手臂-手部变换器和射线空间求解器，能够在不同相机模型下恢复绝对手部姿态和位置，在多个第一人称基准测试中达到了最先进的精度。