ICCVAug, 2023

基于区域展开变换器的非刚体物体接触估计

PDF
TL;DR通过 RUPs 和 RUFormer 方法，本研究提出了一种新颖的手 - 物体接触表示方法，可以有效地预测非刚性接触中的形变程度和变形转换，适用于刚性和非刚性接触模式。
contact patternslearning-based methodshand-object contact representationrupsregional unwrapping transformer
发现论文，激发创造
  • 手持物体单目图像的隐式重建中学习显式接触

    本文提出了一种新的方法，通过建模手部与物体之间的互动模式，达到更准确、更真实的物体重建，包括手部接触物体的部分。该方法由两部分组成：显式接触预测和隐式形状重建，并在挑战性数据集上表现出比当前艺术水平更出色的性能。

    May, 2023

  • 基于 UV 的三维手 - 物体重建与抓取优化

    使用单个 RGB 图像提出一种新的框架，实现了 3D 手部形状重构和手 - 物体抓握优化，通过 UV 坐标映射的密集表示方法替代了以往稀疏点的接触区域近似，同时引入了推理时间优化来微调抓握，实现了更好的手部形状重构准确性和质感。在 Ho3D，FreiHAND 和 DexYCB 等数据集上进行的实验表明，我们的方法优于现有技术。

    Nov, 2022

  • 在野外检测手部并识别物理接触

    本文提出一种基于卷积网络的手部检测与物体接触状态识别方法，采用两种注意力机制以及另一个物体检测器的输出，结合手部位置信息和场景中的物体位置信息，实现对手部接触状态的识别，并使用 ContactHands 数据集验证其优越性。

    Oct, 2020

  • 基于接触优化的转换器进行 3D 人体和物体联合重建

    该研究提出了一种利用人 - 物接触信息进行三维人体与物体联合重建的新方法 (CONTHO)，通过 3D 引导接触估计和基于接触的三维人体与物体细化，实现了更准确的重建，取得了最先进的性能。

    Apr, 2024

  • 学习双手和操纵物的联合重建

    基于物理约束的手 - 物体重构模型，利用合成数据集 ObMan 进行模型训练和验证，达到手 - 物交互场景下的稳定手部姿势和可行物体形状重构。

    Apr, 2019

  • 从单目彩色图像中稳定驱动的接触重建

    通过使用物理引擎对接触状态进行模拟，并直接从单目图像中重建接触特征，提出了一种手 - 物体接触的精确重建框架。此框架可以被适应于更个性化的手部和更多样化的物体形状，并通过额外的物理特性交互数据集验证准确性和稳定性。

    May, 2022

  • 时域变换中的形状配准

    本文提出了一种基于 Transformer 的非刚性 3D 点云高效配准方法，该方法采用数据驱动方式，借鉴 Transformer 架构并结合表面密度估计，可在不同场景中实现点云配准、纹理传递和形状插值，验证实验表明其优于现有方法。

    Jun, 2021

  • 基于局部区域映射的方法对关节化物体进行分类

    该论文提出了一种基于点云和本地转换的方法来对物体进行分类，以确定其是否是刚性或关节的。该方法具有无约束性和无模型的优势，可在不需要任何对象模型或已标记的数据的情况下识别物体的关节和刚性部分。作者在两个公开数据集上进行了性能测试，表明该方法能够以很高的准确度对物体进行关节和刚性的分类。

    May, 2023

  • Contact2Grasp: 基于手物接触限制的三维握取合成

    本篇研究通过介绍一种新的中间变量来提高三维抓取合成的效率，以解决现有方法想要直接从物体映射到抓取姿势的非光滑和低效问题，并提出了一种基于接触区域的因子图形式来描述抓取姿态生成过程，并通过实验验证了优化方法的有效性。

    Oct, 2022

  • S$^2$Contact：基于图网络的半监督学习三维手对象接触估计

    本文提出了一种半监督学习的框架，通过利用视觉和几何一致性约束生成伪标签来实现从单眼图像中学习接触。在使用少量标注数据的情况下，我们的模型能够实现比基于 PointNet 的方法更好的结果。使用接触映射提高了手 - 物体交互的准确性，并可以对领域外的物体进行估计。

    Aug, 2022