基于可获取性引导的 3D 手部重建扩散先验
计算机视觉与模式识别
2025-10-02 v1
摘要
当手部被自身或物体遮挡大量区域时，如何重建 3D 手部姿态？人类往往通过利用上下文知识来解决此类歧义——例如可获取性，其中物体的形状和功能暗示该物体通常被如何抓取。受此启发，我们提出一种用于手部姿态细化的生成式先验，由可获取性感知的手-物体交互（HOI）文本描述所驱动。我们的方法采用基于扩散的生成模型，学习受可获取性描述条件下的合理手部姿态分布。这一能力使得对被遮挡区域进行细化，生成更加精确且功能一致的手部姿态。在具有严重遮挡的 3D 手-可获取性数据集 HOGraspNet 上进行的大规模实验表明，所提出的可获取性引导细化显著优于最新的回归方法以及缺乏上下文推理的扩散基细化方法。
引用
@article{arxiv.2510.00506,
title = {Affordance-Guided Diffusion Prior for 3D Hand Reconstruction},
author = {Naru Suzuki and Takehiko Ohkawa and Tatsuro Banno and Jihyun Lee and Ryosuke Furuta and Yoichi Sato},
journal= {arXiv preprint arXiv:2510.00506},
year = {2025}
}