論文の概要: TransHands: Repurposing Human Pose Encoders as Hand Pose Encoders

• arxiv url: http://arxiv.org/abs/2608.22341v1
• Date: Sun, 23 Aug 2026 10:17:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-25 13:29:43.724318
• Title: TransHands: Repurposing Human Pose Encoders as Hand Pose Encoders
• Title（参考訳）: TransHands:Human Pose EncoderをHuman Pose Encoderとして再開発
• Abstract要約: トレーニング済みの人体動作エンコーダを3Dハンドポーズ推定に効果的に適用可能な,バックボーンに依存しないトランスファー学習フレームワークであるTransHandsを紹介した。 変換器ベース,グラフベース,周波数ドメインモデルを含む4つの最先端モーションモデリングアーキテクチャを対象に,TransHandを評価した。
• 参考スコア（独自算出の注目度）: 3.75886080255807
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Lifting 3D hand poses from 2D monocular representations remains challenging due to the limited availability of large-scale, diverse 3D-annotated hand datasets, in contrast to the abundance of human body motion data. We address this limitation by transferring motion representations learned from large body pose corpora to the hand domain. We introduce TransHands, a backbone-agnostic transfer learning framework that enables pre-trained human motion encoders to be effectively adapted for 3D hand pose estimation from 2D pose inputs. Rather than training hand-specific biomechanical models from scratch, TransHands combines a two-stage training and fine-tuning strategy with a lightweight hand-specific input adaptation module that aligns hand kinematics with the representation space learned for full-body motion. We evaluate TransHands across four state-of-the-art motion modeling architectures, including transformer-based, graph-based, and frequency- domain models. Results demonstrate that motion priors learned from body pose data transfer consistently across architectures, yielding consistent accuracy gains, strong cross-domain generalization, particularly in challenging egocentric settings, and applicability for downstream tasks in real-world contexts.
• Abstract（参考訳）: 大規模で多様な3Dアノテートハンドデータセットの可用性が限られているため、2Dモノラル表現からの3Dハンドポーズのリフティングはいまだに困難である。 本研究では,大体ポーズコーパスから学習した動作表現を手領域に転送することで,この制限に対処する。 本研究では,2次元ポーズ入力から3次元ポーズ推定を行うために,トレーニング済みの人体動作エンコーダを効果的に適用可能な,骨非依存のトランスファー学習フレームワークであるTransHandsを紹介する。 TransHandsは、手固有のバイオメカニクスモデルをゼロからトレーニングする代わりに、2段階のトレーニングと微調整の戦略と、手動とフルボディモーションで学習した表現空間を一致させる軽量な手動入力適応モジュールを組み合わせている。 変換器ベース,グラフベース,周波数ドメインモデルを含む4つの最先端モーションモデリングアーキテクチャを対象に,TransHandを評価した。 結果として、ボディポーズから学んだ動きは、アーキテクチャ全体にわたって一貫してデータ転送を行い、一貫性のある精度向上、強力なクロスドメインの一般化、特に挑戦的なエゴセントリックな設定、現実世界のコンテキストにおける下流タスクの適用性を示す。

関連論文リスト

• BiTDiff: Fine-Grained 3D Conducting Motion Generation via BiMamba-Transformer Diffusion [49.503279511274435]
  BiTDiffは、BiMamba-Transformerハイブリッドモデルアーキテクチャ上に構築された3次元動作生成のための新しいフレームワークである。 BiTDiffはCM-Dataデータセット上での3次元動作生成のための最先端(SOTA)性能を実現する。
  論文  参考訳（メタデータ） (2026-04-06T03:49:36Z)
• Gesture-Aware Pretraining and Token Fusion for 3D Hand Pose Estimation [3.0979829079231447]
  ジェスチャーのセマンティクスが3次元ポーズ推定の強力な帰納的バイアスとなることを示す。 本稿では,情報埋め込み空間を学習するジェスチャー認識事前学習という2段階のフレームワークを提案する。 InterHand2.6Mの実験では、ジェスチャー認識による事前学習が一貫した精度の向上を実証している。
  論文  参考訳（メタデータ） (2026-03-18T06:18:46Z)
• FUSION: Full-Body Unified Motion Prior for Body and Hands via Diffusion [49.026972478098266]
  手は私たちの周囲と相互作用し、ジェスチャーを伝達する中心的存在です。 既存のヒトの運動合成法は不足している。 主な障害は、多様な全身の動きを共同でキャプチャする大規模なデータセットがないことである。
  論文  参考訳（メタデータ） (2026-01-07T14:18:59Z)
• AssemblyHands-X: Modeling 3D Hand-Body Coordination for Understanding Bimanual Human Activities [27.634829042887358]
  本稿では,バイマニュアルアクティビティのためのマーカーレス3Dハンドボディベンチマークである AssemblyHands-X を紹介する。 このアプローチは多視点三角測量とSMPL-Xメッシュフィッティングを組み合わせることで,手と上半身の信頼性の高い3D登録を実現する。 提案実験により,ポーズに基づくアクション推論はビデオベースラインよりも効率的かつ正確であることが確認された。
  論文  参考訳（メタデータ） (2025-09-28T13:52:14Z)
• CoDA: Coordinated Diffusion Noise Optimization for Whole-Body Manipulation of Articulated Objects [14.230098033626744]
  人工物体の全身操作は、仮想人間やロボット工学の幅広い応用において、非常に困難な作業である。 本研究では,現実的な全身運動を実現するための新しい拡散雑音最適化フレームワークを提案する。 提案手法は,動作品質と身体的可視性において,既存の手法よりも優れていることを示す広範な実験を行う。
  論文  参考訳（メタデータ） (2025-05-27T17:11:50Z)
• Mocap-2-to-3: Multi-view Lifting for Monocular Motion Recovery with 2D Pretraining [49.223455189395025]
  Mocap-2-to-3は単分子入力からマルチビューリフトを実行する新しいフレームワークである。 豊富な2次元データを活用するため、複雑な3次元運動を多視点合成に分解する。 本手法は,カメラ空間のモーションリアリズムと世界空間の人間の位置決めの両面において,最先端のアプローチを超越した手法である。
  論文  参考訳（メタデータ） (2025-03-05T06:32:49Z)
• Learning Human Motion from Monocular Videos via Cross-Modal Manifold Alignment [45.74813582690906]
  2次元入力から人間の3D動作を学ぶことは、コンピュータビジョンとコンピュータグラフィックスの領域における基本的な課題である。 本稿では、モーダルなラテント特徴空間アライメントにより、動きの先行値を活用するビデオ・トゥ・モーション・ジェネレータ(VTM)を提案する。 VTMでは、モノクロビデオから3Dの人間の動きを再構築する、最先端のパフォーマンスが紹介されている。
  論文  参考訳（メタデータ） (2024-04-15T06:38:09Z)
• Realistic Human Motion Generation with Cross-Diffusion Models [30.854425772128568]
  クロスヒューマンモーション拡散モデル(クロスディフ) 拡散モデルのトレーニングでは,共有変圧器ネットワークを用いて3次元情報と2次元情報を統合する。 CrossDiffは、両方の表現の強みを効果的に組み合わせて、より現実的なモーションシーケンスを生成する。
  論文  参考訳（メタデータ） (2023-12-18T07:44:40Z)
• BOTH2Hands: Inferring 3D Hands from Both Text Prompts and Body Dynamics [50.88842027976421]
  両手動作生成のための新しいマルチモーダルデータセットBOTH57Mを提案する。 私たちのデータセットには、人体と手の動きの正確な追跡が含まれています。 また,新しいタスクのための強力なベースライン手法であるBOTH2Handsも提供する。
  論文  参考訳（メタデータ） (2023-12-13T07:30:19Z)
• MotionBERT: A Unified Perspective on Learning Human Motion Representations [46.67364057245364]
  本研究では,大規模・異種データ資源から人の動き表現を学習することで,人間中心のビデオタスクに取り組むための統一的な視点を示す。 本研究では,ノイズのある部分的な2次元観測から基礎となる3次元運動を復元するために,モーションエンコーダを訓練する事前学習段階を提案する。 動作エンコーダをDST(Dual-stream Spatio-temporal Transformer)ニューラルネットワークで実装する。
  論文  参考訳（メタデータ） (2022-10-12T19:46:25Z)
• Body2Hands: Learning to Infer 3D Hands from Conversational Gesture Body Dynamics [87.17505994436308]
  身体の動きと手の動きは、非言語的コミュニケーション設定において強く相関しているという知見に基づいて構築する。 身体の動きのみを入力した場合の3次元手形状の予測タスクとして,この先行学習を定式化する。 本モデルでは,3次元手の動きのみを入力として,手の動きを説得力のある3次元手の動きを生成する。
  論文  参考訳（メタデータ） (2020-07-23T22:58:15Z)
• Self-Supervised 3D Human Pose Estimation via Part Guided Novel Image Synthesis [72.34794624243281]
  ラベルのないビデオフレームからバリエーションを分離する自己教師付き学習フレームワークを提案する。 3Dポーズと空間部分マップの表現ギャップを埋める、微分可能な形式化により、多様なカメラの動きを持つビデオで操作できる。
  論文  参考訳（メタデータ） (2020-04-09T07:55:01Z)

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。