面向 HOI 的可控手部抓握生成与高效评估方法
计算机视觉与模式识别
2025-01-28 v1
摘要
可控的 affordance 手部-物体互动 (HOI) 生成日益成为计算机视觉领域的重要研究方向。在 HOI 生成中，手部抓握生成是有效控制手部几何形状的关键步骤。当前的手部抓握生成方法依赖于手部和物体的 3D 信息，此外，这些方法缺乏对手部位置和方向的可控性。我们将手部姿态视为离散图结构，并利用几何先验知识。众所周知，点之间更高阶的上下文依赖关系有助于提高结果质量。我们提出了受谱图理论和向量代数启发的更高阶几何表示框架 (HOR)，以提高生成手部姿态的质量。我们展示了所提出的 HOR 在制定可控的新型扩散方法（基于 2D 信息）中有效生成手部抓握，优于当前最先进 (SOTA) 方法。克服了现有方法的局限性：如缺乏可控性和依赖 3D 信息的限制。一旦获得生成的姿态，自然会使用该方法对其进行评估。流行的评估指标如 FID 和 MMD 对生成的手部姿态存在偏差且效率不高。利用所提出的 HOR，我们引入了一个高效且稳定的抓握生成方法的评估指标框架，解决了 FID 和 MMD 的效率和偏差问题。
引用
@article{arxiv.2501.15839,
title = {Controllable Hand Grasp Generation for HOI and Efficient Evaluation Methods},
author = {Ishant and Rongliang Wu and Joo Hwee Lim},
journal= {arXiv preprint arXiv:2501.15839},
year = {2025}
}