Naru Suzuki, Satoshi Ikehata, Takehiko Ohkawa, Yoichi Sato, Shuhei Kurita · 2026 · arXiv
DOI: 10.48550/arXiv.2610.29936 · open-access PDF
आत्म केंद्रित वीडियो से मेट्रिक विश्व-स्पेस हाथ के आंदोलन को पुनर्प्राप्त करना मानव बातचीत को समझने और उन्हें अभ्यस्त एजेंटों को स्थानांतरित करने का समर्थन करता है। तीन चुनौतियां इस कार्य को जटिल बनाती हैं: बहु-स्तरीय पाइपलाइन स्वतंत्र रूप से अनुमानित हाथ और कैमरे के आंदोलन से त्रुटियों को फैलाते हैं; monocular निरीक्षण भौतिक पैमाने को अस्पष्ट छोड़ते हैं; और अवरोध और आउट-ऑफ-व्यू हाथ कई मान्य आंदोलन मार्गों को स्वीकार करते हैं। हम DewHand, विश्व-स्पेस हाथ और कैमरे के आंदोलन के प्रत्यक्ष संयुक्त पुनर्निर्माण के लिए एक एकीकृत मॉडल प्रस्तुत करते हैं।
Machine translation (Meta M2M100); the English original follows.
Recovering metric world-space hand motion from egocentric video supports understanding human interactions and transferring them to embodied agents. Three challenges complicate this task: multi-stage pipelines propagate errors from independently estimated hand and camera motion; monocular observations leave physical scale ambiguous; and occlusion and out-of-view hands admit multiple plausible motion trajectories. We present DewHand, a unified model for direct joint reconstruction of world-space hand and camera motion. To avoid compounding errors from multi-stage estimation, DewHand jointly pred
Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese
GET https://store.agentexchange.work/gw/papers/verify?title=...&year=... (0.003 USD), fetch this record as JSON with /gw/papers/paper?id=2610.29936, or list what it cites with /gw/papers/references?id=.... Pay per call in USDC (x402) or with a 19 USD card key for 1,000 calls. Catalogue · llms.txtSources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange