在该研究中，我们提出了一个统一框架，用于通过单个 RGB 图像并基于神经网络模型来共同估计 3D 手部和物体姿态、模拟它们的交互，以及识别物体和动作类别，整个模型可针对序列帧的输入进行优化。

Apr, 2019

本文提出了一个轻量级的模型（HOPE-Net），它使用两级自适应图卷积神经网络级联来实时联合估计手和物体姿势的 2D 和 3D 坐标，通过端到端训练获得更好的 2D 和 3D 坐标估计精度，并且该模型可用于其他 3D 关键点检测问题。

Mar, 2020

Grasping 主题的研究通过 GenHeld 方法实现了在 3D 或 2D 条件下合成被握住的物体，包括选择、定位和编辑操作，结果展示了高质量和可行性。

Jun, 2024

该论文提出了一种学习手物体交互的方法，通过从单个 RGB 图像中重建 3D 手物体场景。利用手形状来约束手和物体几何的相对配置，设计了可泛化的隐式函数 HandNeRF，以预测手和物体场景的几何关系。实验证明，HandNeRF 能够比其他相似方法更准确地重建新抓取配置的手物体场景，并确保从 HandNeRF 重建的物体对于机器人手交更加准确。

Sep, 2023

该研究提出了一种利用卷积神经网络和图像转化模型实现手持物体姿态和形状估计的方法，并使用合成数据训练模型，获得了在真实场景与合成场景数据上预测物体姿态和形状的良好结果。

Mar, 2019

通过学习基于隐式表征的对象重建的最新进展，借鉴其思想，提出了一种高效且易于与深度神经网络集成的人体抓握模型表示，通过手、对象和接触区隐式表面的 3D to 2D 映射，生成高质量、物理合理的人体抓握姿态，实验结果表明，与现有方法相比，该方法取得了可比拟的性能。

Aug, 2020

本文提出一种新方法，通过引入 2D 遮挡澄清和物理接触约束，从而处理遮挡下的表面重建问题，该方法在测试集上表现优于现有方法，HO3D 效果提高了 52%，HOD 效果提高了 20%。

Dec, 2023

我们提出了一种在日常环境下进行手 - 物体重建的方法，通过对稳定握持期间的帧进行联合重建，约束物体运动并提高重建性能。我们通过分析 3D ARCTIC 数据集，确定了手和物体之间接触区域保持稳定的时间段，并用实验展示了稳定握持期间物体仅在一个自由度内运动。然后，我们将这一方法扩展到真实环境中的 egocentric 视频，通过标记 EPIC-KITCHENS 数据集中稳定握持的剪辑，建立了 EPIC-Grasps 数据集，其中包括了 141 个环境中的 390 个物体实例，分为 9 个类别，并通过计算稳定握持区域和 2D 投影标签的掩码重叠，定量地展示了我们方法在稳定握持重建方面的显著改进。

Dec, 2023

通过使用单目交互视频，我们提出了 HOLD，它是第一个无需 3D 手物体注释就能从中复原出联合的手和物体的方法，通过使用一个组合的隐式模型，能够从 2D 图像中复原出解缠细分的 3D 手和物体，并进一步结合手物体约束来改善复原质量，在实验室和入迷环境中优于全监督基线方法。

Nov, 2023

本文介绍了一种通过采用从野外视频数据中提取的三维监督来重建手持物体的方法，并使用数据驱动的三维形状先验进行训练，结果表明这种间接的三维监督信号可以在没有直接现实世界三维监督的情况下有效地预测真实世界中的手持物体的三维形状。

May, 2023