論文の概要: GeoHand: Unlocking Prior Geometry Knowledge for Monocular 3D Hand Reconstruction
- arxiv url: http://arxiv.org/abs/2605.17354v1
- Date: Sun, 17 May 2026 09:45:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-19 17:57:47.915746
- Title: GeoHand: Unlocking Prior Geometry Knowledge for Monocular 3D Hand Reconstruction
- Title（参考訳）: GeoHand:モノクロ3Dハンドコンストラクションのための事前幾何学的知識のロック解除
- Authors: Weiquan Lin, Yaoqing Hu, Liangchen Dai, Xu Tang, Xingyu Chen,
- Abstract要約: GeoHandは、凍った単分子形状推定器(MoGe2)から高品質な幾何学的先行情報を解放する新しいフレームワーク
GeoHandはFreiHAND、DexYCB、HO3Dv3で最先端のパフォーマンスを実現している。
- 参考スコア（独自算出の注目度）: 40.5537318822847
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Monocular 3D hand reconstruction is intrinsically a geometric problem, yet RGB appearance features alone often struggle to resolve severe ambiguities caused by self-occlusions and hand-object interactions. While introducing depth can explicitly provide spatial cues, raw sensor-captured depth maps are extensively noisy and incomplete, limiting their usefulness for fine-grained hand reconstruction. To bridge this gap, we propose GeoHand, a novel framework that unlocks high-quality geometric priors from a frozen foundational monocular geometry estimator (MoGe2). Recognizing that these priors are oriented toward general scenes, we introduce a map-level GeoAdapter to recalibrate the spatial features, specifically adapting them for detailed hand reconstruction. Furthermore, to systematically integrate these adapted priors without overwhelming intrinsic RGB appearance cues, we employ a gated cross-modal token fusion strategy. Finally, to secure precise local articulation, we design a Keypoint-Queried Iterative Refiner (KQIR) that uses projected joint locations to query geometry-aware image features for spatial correction. By combining global geometric disambiguation with local refinement in a unified pipeline, GeoHand achieves state-of-the-art performance on FreiHAND, DexYCB, and HO3Dv3, especially under severe occlusions and hand-object interactions.
- Abstract（参考訳）: 単眼の3次元手指再建は本質的に幾何学的な問題であるが、RGBの外観の特徴だけでは、自己閉塞や手・物体の相互作用によって引き起こされる深刻な曖昧さの解決に苦慮することが多い。
奥行きは空間的手がかりを明示的に提供できるが、生のセンサキャプチャード・ディープマップは広範にノイズがあり、不完全であり、細粒度の手作りに有用である。
このギャップを埋めるために、凍った基礎的な単分子幾何学推定器(MoGe2)から高品質な幾何学的先行を解き放つ新しいフレームワークGeoHandを提案する。
これらの先行が一般的な場面に向けられていることを認識し、地図レベルのGeoAdapterを導入し、空間的特徴を再検討する。
さらに,本態様のRGB外見を損なうことなく,これらの適応先を体系的に統合するためには,ゲート型クロスモーダルトークン融合戦略を用いる。
最後に,正確な局所的明瞭度を確保するために,投影された接合位置を用いて空間補正のための幾何認識画像特徴を問合せするKeypoint-Queried Iterative Refiner (KQIR) を設計する。
グローバルな幾何学的曖昧さと統一パイプラインでの局所的な洗練を組み合わせることで、GeoHandはFreiHAND、DexYCB、HO3Dv3の最先端のパフォーマンスを実現している。
関連論文リスト
- LG-HCC: Local Geometry-Aware Hierarchical Context Compression for 3D Gaussian Splatting [77.81227097905865]
アンカーベースの3DGS圧縮スキームは、いくつかの高度な文脈モデルを通してガウスの冗長性を減少させる。
本稿では, アンカープルーニングとエントロピー符号化にアンカー幾何学的相関を組み込んだ3DGSのための局所幾何学的階層型コンテキスト圧縮フレームワークを提案する。
実験の結果、LG-HCCは構造保存の問題を効果的に緩和し、Mip-NeRF360データセット上のScaffold-GSベースラインと比較して最大30.85倍のストレージを削減した。
論文 参考訳（メタデータ） (2026-03-30T13:39:35Z) - GGPT: Geometry Grounded Point Transformer [22.64445696362087]
本稿では,GGPT(Geometry-Grounded Point Transformer)について紹介する。
この基礎の上に構築された幾何誘導型3次元点変換器は,比例的な部分幾何学的監督の下で高密度点マップを洗練する。
論文 参考訳（メタデータ） (2026-03-11T18:00:04Z) - Joint Geometry-Appearance Human Reconstruction in a Unified Latent Space via Bridge Diffusion [57.09673862519791]
本稿では,幾何学と外観のモデリングを結合潜在表現に統一する新しいフレームワークである textbfJGA-LBD を紹介する。
実験により、JGA-LBDは、幾何学的忠実度と外観品質の両方の観点から、現在の最先端アプローチよりも優れていることが示された。
論文 参考訳（メタデータ） (2026-01-01T12:48:56Z) - GeoComplete: Geometry-Aware Diffusion for Reference-Driven Image Completion [36.02469602451232]
本稿では,完備領域における幾何的整合性を実現するために,明示的な3次元構造ガイダンスを取り入れた新しいフレームワークを提案する。
実験の結果、GeoCompleteは最先端の手法よりも17.1 PSNRの改善を実現している。
論文 参考訳（メタデータ） (2025-10-03T15:38:12Z) - Geometry-guided Feature Learning and Fusion for Indoor Scene Reconstruction [14.225228781008209]
本稿では3次元シーン再構成のための新しい幾何学的統合機構を提案する。
提案手法は,特徴学習,特徴融合,ネットワーク監視という3段階の3次元幾何学を取り入れている。
論文 参考訳（メタデータ） (2024-08-28T08:02:47Z) - GeoLRM: Geometry-Aware Large Reconstruction Model for High-Quality 3D Gaussian Generation [65.33726478659304]
GeoLRM(Geometry-Aware Large Restruction Model)は、512kガウスと21の入力画像で11GBのGPUメモリで高品質な資産を予測できる手法である。
従来の作品では、3D構造の本質的な空間性は無視されており、3D画像と2D画像の間の明示的な幾何学的関係は利用されていない。
GeoLRMは、3Dポイントを直接処理し、変形可能なクロスアテンション機構を使用する新しい3D対応トランスフォーマー構造を導入することで、これらの問題に対処する。
論文 参考訳（メタデータ） (2024-06-21T17:49:31Z) - Learning Continuous Depth Representation via Geometric Spatial
Aggregator [47.1698365486215]
深度マップ超解法(DSR)のための新しい連続深度表現法を提案する。
この表現の中心は我々の提案した幾何空間アグリゲータ(GSA)であり、これは任意にアップサンプリングされたターゲットグリッドにより変調された距離場を利用する。
また、局所座標間の関数マッピングを構築するための原理的な方法を持つGeoDSRというトランスフォーマースタイルのバックボーンも提示する。
論文 参考訳（メタデータ） (2022-12-07T07:48:23Z) - GeoNet++: Iterative Geometric Neural Network with Edge-Aware Refinement
for Joint Depth and Surface Normal Estimation [204.13451624763735]
本研究では,エッジアウェア・リファインメント(GeoNet++)を用いた幾何ニューラルネットワークを提案し,単一の画像から深さと表面正規写像の両方を共同で予測する。
geonet++は、強い3d一貫性と鋭い境界を持つ深さと表面の正常を効果的に予測する。
画素単位の誤差/精度を評価することに焦点を当てた現在の測定値とは対照的に、3DGMは予測深度が高品質な3D表面の正常を再構築できるかどうかを測定する。
論文 参考訳（メタデータ） (2020-12-13T06:48:01Z) - Geodesic-HOF: 3D Reconstruction Without Cutting Corners [42.4960665928525]
シングルビュー3Dオブジェクト再構成は、コンピュータビジョンの難しい根本的な問題である。
標準サンプリング領域から高次元空間への画像条件付き写像関数を学習する。
この学習された測地線埋め込み空間は、教師なしオブジェクト分解のようなアプリケーションに有用な情報を提供する。
論文 参考訳（メタデータ） (2020-06-14T18:59:06Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。