基于视频条件生成的手部二维与三维运动恢复
研究人员提出 JoHan，一种从视频序列中恢复手部三维运动的生成式方法。该模型不依赖逐帧姿态预测，而是联合生成时间上对齐的二维和三维手部姿态，并利用两种表示之间学到的对应关系，估计手相对于摄像机的位置和方向。该方法旨在应对遮挡和视觉信息不完整的问题，同时在保持单帧姿态精度的基础上生成更平滑的动作。作者报告称，该方法在具有挑战性的基准测试中提升了准确率和速度。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。