本文介绍了ContactPose数据集及其在手与物体接触建模中的应用，提出了接触势场（CPF）和MIHO框架，以优化手部姿态估计。研究引入GRIP方法，提升手物互动的真实感，并通过HandyPriors框架解决姿态估计中的穿透问题。最后，利用HOIDiffusion和DiffH2O方法生成高质量的手物体交互数据，推动手势生成的准确性和真实感。

本研究提出了一种新型的3D手部网格重建框架，利用单目RGB图像实现准确的手部姿态估计。该框架结合轻量级结构和高效卷积技术，显著提高了重建精度和速度。实验表明其在手物互动场景中的有效性，成功克服了遮挡问题，展现了优越性能。

本文探讨了3D手部重建在手物互动中的应用，提出了一种结合模型与无模型方法的网络，以解决手部遮挡问题。通过新型模块直接回归姿势参数，优化了手部网格和关节点的精度。实验结果表明，该方法在多个基准数据集上表现优异，推动了人机交互和行为理解的发展。

本文介绍了多模态知识库OakInk，旨在理解手-物互动。Oak记录物体的可用性，Ink记录人类互动行为。研究还提出了HANDAL和TACO数据集，以支持机器人操作和手-物体交互分析，推动相关领域的发展。

本文提出了一种新方法用于预测三维人物与物体的交互（HOIs），通过交互扩散和校正步骤，利用扩散模型生成逼真的三维交互。研究开发了双分支扩散模型和互动预测扩散模型，以提高动作一致性和接触区域预测的准确性，并提出了新的数据集和手感知条件扩散方法，显著提升了手物互动图像生成的质量和稳定性。