Newest papers

DenseHap: Dense Hand Haptic Estimation from Monocular Images

Junhan Xue, Rolandos Alexandros Potamias · 2026 · arXiv (Cornell University)

DOI: 10.48550/arxiv.2610.26583 · cited by 0 works (OpenAlex) · open-access PDF

Arabic

وبالإضافة إلى ذلك، أصبحت أساليب تقدير الاتصال اليدوي السابقة تعاني من مشاكل مثل التقديرات الخاطئة من الجانب الخلفي والواقعية غير كافية، في حين لا توجد إطارًا متكاملًا للتكامل بين عدة طرق الاتصال اليدوي مع البيئة، بما في ذلك مجالات مسافة، حدود الاتصال، والضغط. للتعامل مع ذلك، نحن نقدم DenseHap، نهجًا متكاملًا لتقدير التعرف على المسافة من الجانب الخلفي، وتحديد الاتصال اليدوي المتكامل، تحليل ضغط اليد، وإعادة بناء اليد من صورة واحدة صغيرة من البيئة. من خلال إدخال ثلاثة أغراض محددة، جنبا إلى جنب مع خزانة 3D مخصصة ومتقدمة،

Machine translation (Meta M2M100); the English original follows.

Abstract

As dexterous robotic manipulation advances, scalable annotations of human hand-object interactions are becoming increasingly important. Furthermore, previous hand contact estimation methods suffered from issues such as dorsal-side misclassifications and insufficient precision, while lacking a unified framework for integrating multiple hand to environment interaction modalities, including distance fields, contact thresholds, and pressure. To address that, we present DenseHap, a unified end-to-end approach to estimate hand distance field recognition, comprehensive hand contact detection, hand pressure analysis, and hand reconstruction from a single monocular image. By incorporating three distinctly defined heads, along with a pretrained 3D reconstructed skeleton and an enhanced dataset, DenseHap outperforms previous state of the art models on four evaluation datasets, improving the F1 score by 8.5 percentage points (a 16% relative improvement) on untrained datasets and by 3 percentage points (5% relative improvement) on in-distribution datasets. Furthermore, DenseHap has effectively improved short-range hand estimate and pressure evaluation. Code and models will be publicly available upon the paper's acceptance.

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Topics: Monocular, Artificial intelligence, Computer science, Computer vision, Haptic technology, Scalability

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange