本文提出了一个分解迭代框架来实现像素对齐的手部重建，同时有效地建模手部之间的空间关系，利用图卷积网络和变压器在 3D 联合特征空间中进行手部内部和交互信息交互，并通过在两个特征空间中进行多个交替增强来实现精确和稳健的相互作用手部重建。 与所有现有的两只手重建方法相比，我们的方法在 InterHand2.6M 数据集上的表现都有了很大的提高。同时，我们的方法展现了对野外图像的强大的泛化能力。

Feb, 2023

该论文提出了一种使用单个 RGB 相机捕捉人手骨骼姿势和三维表面几何形状的实时方法，并考虑到了人手间的近距离交互情况，该方法通过多任务 CNN 回归多种信息，包括分割、对 3D 手模型的密集匹配、2D 关键点位置，以及新提出的手内相对深度和手间距离图。该方法已在 RGB 两只手追踪和三维重建方面实验验证，并且在量化和定性上优于现有的非针对两只手交互设计的基于 RGB 的方法，甚至与基于深度的实时方法相媲美。

Jun, 2021

本文提出了一种通过卷积神经网络和分步优化的方式从单个 RGB 图像中重建精确的三维手部网格模型，以促进人机交互和人类行为理解，并在 InterHand2.6M 等大规模数据集上进行了广泛的定量和定性分析。

Nov, 2021

利用时空信息重建交互手部的新框架，结合时序上下文与运动平滑性的时间约束，并采用物理碰撞检测模块以实现运动可信的交互手部重建。

Aug, 2023

本文提出了一种名为 LWA-HAND 的方法，通过三个 mobile attention modules 解决有效 attention 架构中的遮挡和交互问题，使单个 RGB 图像中的手部重建具有低 flops，且相对于现有最先进的模型，其性能相当，在同时大大降低计算复杂度.

Aug, 2022

我们提出了 Implicit Two Hands (Im2Hands)，这是第一个用于表示两只交互手的神经隐含表示方法。与现有的两手重建方法不同，Im2Hands 可以生成高度与图像一致的两只手的细粒度几何图形，同时解决了形状复杂性和交互背景带来的问题。我们的实验结果表明，与相关方法相比，Im2Hands 在两手重建方面取得了最先进的结果。

Feb, 2023

本文介绍了一种名为 Interacting Attention Graph Hand (IntagHand) 的网络，该网络利用图卷积网络 (GCN) 进行双手重建任务，引入了两个注意力模块 (PIFA 和 CHA) 解决双手重建中的遮挡和交互挑战，实现了从单个 RGB 图像重建两只相互作用的手，并在 InterHand2.6M 基准测试中取得了优异的成果。

Mar, 2022

通过构建二手交互先验并将交互重建任务重新定义为对先验的条件采样，我们提出了一种用于单目图像中手部交互重建的方法。通过大规模多模态数据集和可行性统计，我们进一步利用 VAE 将这些交互模式压缩为潜在代码在先验分布中。与用于定位的关节热图相比，我们提出了交互邻接热图（IAH），通过为不可见的关节分配更密集的可见特征。与全局关节热图相比，IAH 在每个交互区域提供了更细粒度的局部交互信息。最后，通过 ViT 模块将提取的特征与相应的交互编码进行关联。基准数据集上的综合评估验证了该框架的有效性。

Aug, 2023

使用两个连续应用的卷积神经网络（CNN）对手部进行定位并回归三维关节位置，进而实现在复杂环境中移动自视角 RGB-D 相机下的实时、稳健和准确的手部姿态估计。

Apr, 2017

我们提出了一种从单眼图像中重建 3D 手部网格的稳健准确方法，并且在具有挑战性的手 - 物体遮挡情况下达到了最先进的性能。

Feb, 2024