重建手持物体的三维
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
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
本文旨在从单目视频中获取手部和操纵对象的三维重构,提出了一种学习免费的拟合方法以应用于无法获取训练数据且具有不同难度等级的数据集,并量化评估了该方法。
Aug, 2021
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
使用一张 RGB 图像来重建手持物品的形状,通过利用手的关节运动对物品形状的高可预测性,提出了一种基于关节运动的条件重建方法,并通过一个内隐网络来推断物品的空间形态。
Apr, 2022
本文提出了一种实时的手和物体姿态联合追踪方法,利用一个单独的 RGB-D 相机,通过 3D GMM 算法和创新的正则化策略,同时解决了遮挡、快速运动和手与物体重合的问题,辅以判别式手部部分分类和物体分割,实现了实时追踪。实验结果表明,该方法具有速度、准确性和鲁棒性。
Oct, 2016
本研究介绍了一种利用在手扫描中提取三维手部动作并将其融合到三维重建管道中的方法,以实现即使是无特征和高度对称的物体的重建,这将对手持扫描技术的最新进展有重大贡献。
Apr, 2017
该论文提出了一种名为 MOHO 的方法,利用手 - 物视频的多视角监督来从单个图像中重建手持物体,解决了物体自身遮挡和手引起的遮挡等两个主要挑战,通过输入语义特征和手关节提供的几何嵌入作为局部到全局的线索,克服了物体的自身遮挡问题,此外还提出了一种新颖的 2D-3D 手 - 物遮挡感知训练方案来消除手引起的遮挡。
Oct, 2023
通过使用概率点云去噪扩散模型,我们提出了一种面向单眼手持物体重建的手感知条件扩散方法(HACD),该方法通过手 - 物体交互的语义和几何角度进行建模,通过手顶点先验将部分去噪点云的质心偏移限制在一个范围内,并通过增强局部特征投影的稳定性和精度来提高形状的重构稳定性和精度,实验证明我们的方法在 ObMan、HO3D 和 MOW 数据集上超过了所有现有方法。
Nov, 2023