提出了一种用于注释手操作对象图像的 3D 姿态方法，以及使用该方法创建的数据集并开发了一种基于 RGB 图像的手姿态预测方法。

Jul, 2019

AssemblyHands 是一份大规模基准数据集，包括 3D 手部姿态注释和同步的自中心和非中心图像，旨在研究具有挑战性的手 - 物体交互，可应用于 3D 手部姿态的估计和行动识别任务。

Apr, 2023

本文提供了一种具有像素级细分标签的 egocentric 图像数据集，其中包含 11,243 个日常活动中与对象相互作用时人手和对象的标签数据。我们引入了上下文感知的组合数据增强技术以适应分布外的 YouTube egocentric 视频，并展示了我们坚韧的手物分割模型和数据集可以作为基础工具，促进或实现手势状态分类、视频活动识别、手物交互的 3D 网格重建，以及对 egocentric 视频中的手物前景进行视频修复。

Aug, 2022

本文介绍了 HO-3D_v2 数据集，其提供图像序列以及手和物体的三维姿势注释，HOnnotate 方法自动化生成注释。本文提出了改进的 HOnnotate 方法，并提供了 HO-3D_v2 与 HO-3D_v3 的评估结果，HO-3D_v3 的手部姿势精度比 HO-3D_v2 高 4 毫米，同时与物体表面的接触区域更大。

Jul, 2021

D3D-HOI 是一种包含具有三维物体姿态、形状和部件运动的人 - 物交互的单目视频的数据集，其对各种现实世界场景和摄像机视角捕获的常见关节对象进行了表示，可用于评估收缩的对象质量和建立对该挑战性任务的基准。

Aug, 2021

通过分析 3D 手 - 物体重建任务，我们展示了针对以自我为中心相机的畸变、采用高容量转换器来学习复杂的手 - 物体交互以及融合来自不同视角的预测等方法的有效性，并揭示了最新方法难以解决的快速手部运动、窄视角下的物体重建以及两只手和物体之间的近距离接触等具有挑战性的场景。我们的工作将丰富该领域的知识基础，并促进未来关于以自我为中心手 - 物体交互的研究。

Mar, 2024

本文介绍了 ThermoHands，一个新的基准测试，用于克服诸如光照变化和遮挡（例如，手套）等挑战，以进行基于热成像的视角内三维手部姿势估计。该基准测试包括来自 28 名受试者的多样化数据集，他们进行手物体和手虚拟交互，并通过自动化过程准确注释了三维手部姿势。我们引入了一种特制的基线方法 TheFormer，利用双变换器模块在热成像中有效地进行视角内三维手部姿势估计。我们的实验结果突出了 TheFormer 的领先性能，并确认了热成像在恶劣条件下实现强大的三维手部姿势估计的有效性。

Mar, 2024

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

本研究提出一种通过 Object-Centric Transformer 模型来预测在 egocentric 视频中未来的手部和物品相互作用的方法，并使用概率框架来处理不确定性。在实验中，我们对 Epic-Kitchens-55、Epic-Kitchens-100 和 EGTEA Gaze+ 数据集进行了测试，并显示 OCT 较现有方法显著优越。

Apr, 2022

介绍了 HOI4D 数据集，该数据集具有丰富的注释，包含了大规模的 4D 视觉信号和人类 - 物体交互类别级别的注释，并建立了三个基准任务来促进该领域的进一步研究。

Mar, 2022