基于扩散导向的日常手 - 物交互重建剪辑
原文中文，约500字，阅读约需2分钟。发表于：。我们通过对短视频剪辑进行手物体交互的重建任务。以输入视频为基础，我们的方法将 3D 推断视为每个视频的优化，并恢复物体形状的神经 3D 表示，以及时间变化的动作和手关节。尽管输入视频自然地提供了一些多视角线索来指导 3D 推断，但由于遮挡和有限的视角变化，这些线索本身并不足够。为了获得准确的 3D...
该文介绍了一种通过手物体交互的重建任务来进行短视频剪辑的3D推断的方法。作者使用通用的数据驱动先验来引导重建过程中的多视角信号，并在6个物体类别的自我中心视频上进行了实证评估。结果显示，该方法相较于先前的单视角和多视角方法有显著的改进。最后，作者展示了他们的系统能够从YouTube中重建任意剪辑，展示了第一人称和第三人称的交互。
