本文介绍了一种通过野外视频数据重建手持物体三维形状的方法，该方法利用三维监督信号和数据驱动的形状先验进行训练。研究表明，在没有直接三维监督的情况下，该方法能够有效预测真实世界中的手持物体形状。

本文介绍了DR-Pose，一种两阶段变形和配准管道，通过点云生成目标对象的未见部分并引导形状先验的后续形变。同时，设计了一种新颖的配准网络来提取姿态敏感特征。DR-Pose在基准测试中表现优于基于形状先验的最先进方法。