論文の概要: MEgoVista: Multi-view Ego-aware Motion Estimation for Metric 4D Hands and Head in the Wild

• arxiv url: http://arxiv.org/abs/2609.16684v1
• Date: Tue, 15 Sep 2026 06:04:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 14:56:08.36926
• Title: MEgoVista: Multi-view Ego-aware Motion Estimation for Metric 4D Hands and Head in the Wild
• Title（参考訳）: メゴビスタ:メトリカル4Dハンドと野生の頭部のマルチビューエゴ認識モーション推定
• Abstract要約: 人間のビデオからの学習操作は、メートル法単位における高忠実度手動再構成を必要とする。 MegoVistaは、未準備のMego Viewを1つの重力で並んだ世界フレームで、計2つの手と頭の動きに変換する。
• 参考スコア（独自算出の注目度）: 13.344019536064314
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Learning manipulation from human video requires high-fidelity hand-motion reconstruction in metric units. Today's metric hand labels come from studio rigs and instrumented headsets, and both are confined in the same two ways: neither leaves a prepared setting, and neither is checked against an independent reference. Unconstrained head-worn recording promises the opposite trade-off, scaling with the number of people wearing a device. We therefore introduce MEgoVista, an offline pipeline that turns a single unprepared MEgo View recording into metric two-hand and head motion in one gravity-aligned world frame. Three properties set it apart from existing egocentric reconstruction systems: first, it reconstructs in settings studio volumes and tabletop rigs cannot reach, settling hand ownership at detection so bystander hands stay out of the wearer's trajectory; second, it takes its metric gauge from calibrated stereo rather than a monocular prior, installing scale at initialisation so policies receive physical units, not arbitrary coordinates; third, both outputs are scored inside a motion-capture volume against independent Chingmu optical capture, under a protocol that audits its own reference and charges what a method declines to predict. MEgoVista is offered as a measured route from egocentric video to metric hand supervision, one that widens where such labels can be gathered.
• Abstract（参考訳）: 人間のビデオからの学習操作は、メートル法単位における高忠実度手動再構成を必要とする。 今日の手札はスタジオのリグと計器式ヘッドセットからできており、どちらも同じ2つの方法に制限されている。 制限のないヘッドウーンの録音は、デバイスを装着する人の数に応じて、反対のトレードオフを約束する。 そこで我々は、MegoVistaというオフラインパイプラインを導入し、単一の未準備のMego Viewを1つの重力に整合した世界フレームで、計2つの手と頭の動きに変換する。 ひとつは、スタジオのボリュームとテーブルトップのリグが到達できない状態に再構築され、傍観者が着用者の軌跡から離れないように手元を固定し、もうひとつは、モノクロの先行ではなくキャリブレーションされたステレオから測定ゲージを取り、初期化時にスケールをインストールすることで、ポリシーが任意の座標ではなく物理単位を受け取るようにし、もうひとつは、どちらの出力も独立のシンムー光キャプチャーに対してモーションキャプチャボリューム内で測定され、それぞれの参照を監査し、メソッドが予測しないものを課金するプロトコルである。 MegoVistaは、エゴセントリックなビデオからメートル法的な手監督まで、測定されたルートとして提供されており、そのようなラベルを収集できる場所を広げている。

関連論文リスト

• DreamHand: Repurposing Video Diffusion Models for Occlusion-Robust Egocentric 3D Hand Motion Recovery [51.92897182932217]
  Egocentric Videoは、組み込みAIのためのスケーラブルな操作データを提供する。 しかし、重度物体の閉塞と頻繁な視界外ギャップのため、3次元手指軌跡の復元は困難である。 オフラインのクリップレベルフレームワークであるDreamHandを導入し、決定論的クリーンレイテンシを使って機能を抽出し、双方向時空間デコーダでデコードする。
  論文  参考訳（メタデータ） (2026-08-20T17:46:24Z)
• KineFuse: Kinematic-Aware Haptic Fusion for In-Hand Occluded-Object Pose Tracking [18.013999575547427]
  手で操作するには連続した6Dポーズトラッキングが必要だが、操作する指は必然的にカメラから物体を遮蔽する。 本研究は,多指ハンドで既に利用可能な疎発性触覚信号のプロセプション,近位力/トルク,二指接触などの構造について検討する。 キネマティック・アウェア・フィンガーレベル・エンコーダを提案し、3段階評価により4つの代替設計と体系的に比較する。
  論文  参考訳（メタデータ） (2026-07-16T11:07:47Z)
• HandsOnWorld: Unconstrained Egocentric Video Generation with Camera-Disentangled Hand Control [51.913695868638634]
  We present HandsOnWorld, a framework for hand-control egocentric video generation that for multi-view and marker-based motion capture, learning from unconstrained monocular video。 EgoVid-Proは、クリーンでプロタゴニストのみのハンドトラジェクトリのデータセットで、103Kのクリップと、さまざまな日常シーンの約1200万フレームにまたがる。 また, カメラから手表面への3次元光線表現, カメラと手の動きを表現レベルで切り離す3次元ハンドマップを提案する。
  論文  参考訳（メタデータ） (2026-07-02T12:14:02Z)
• Mobile UMI: Cross-View Diffusion Policy with Decoupled Kinematics for Mobile Manipulation [4.311650365696827]
  最近の手首搭載インタフェースはテーブルトップデータ収集のコストを下げるが、単一の手首ビューはベースナビゲーションに必要なグローバルなコンテキストを捉えない。 生成ポリシーは数百ミリ秒の推論遅延を導入します。 本稿では,3つのコンポーネント間のギャップに対処するハードウェアフリーなデモフレームワークであるMobile UMIを提案する。
  論文  参考訳（メタデータ） (2026-05-20T08:33:53Z)
• Stereo-Inertial Poser: Towards Metric-Accurate Shape-Aware Motion Capture Using Sparse IMUs and a Single Stereo Camera [54.967647497048205]
  本稿では,距離精度と形状を考慮した3次元動作を推定するリアルタイムモーションキャプチャシステムであるStereo-Inertial Poserを提案する。 モノクラーRGBをステレオビジョンに置き換え、直接3次元キーポイント抽出と形状パラメータ推定を可能にした。 ドリフトフリーなグローバル翻訳を長い記録時間で生成し,フットスケート効果を低減させる。
  論文  参考訳（メタデータ） (2026-03-02T17:46:38Z)
• MetricAnything: Scaling Metric Depth Pretraining with Noisy Heterogeneous Sources [25.21242040780486]
  Metric Anythingは、メートル法深度推定のためのシンプルでスケーラブルな事前トレーニングフレームワークである。 手作業によるプロンプトなしで、ノイズの多い多様な3Dソースからメトリクスの深さを学習する。 Metric Anythingは、現代的な基礎モデルを動かすのと同じスケーリング法則の恩恵を受けることができることを示す。
  論文  参考訳（メタデータ） (2026-01-29T17:52:41Z)
• Bring Your Rear Cameras for Egocentric 3D Human Pose Estimation [69.68568832269285]
  ヘッドマウントデバイス(HMD)の前に設置したカメラを用いて,エゴセントリックな3次元ポーズ推定を積極的に研究している。 自己閉塞性や視野範囲の制限により、フルボディトラッキングが同じであるかどうかは不明だ。 マルチビュー情報と熱マップの不確実性を用いて2次元関節熱マップ推定を改良するトランスフォーマーに基づく新しい手法を提案する。
  論文  参考訳（メタデータ） (2025-03-14T17:59:54Z)
• Metric3D: Towards Zero-shot Metric 3D Prediction from A Single Image [85.91935485902708]
  ゼロショット単視距離深度モデルの鍵は、大規模データトレーニングと様々なカメラモデルからの距離あいまいさの解消の組合せにあることを示す。 本稿では,あいまいさ問題に明示的に対処し,既存の単分子モデルにシームレスに接続可能な標準カメラ空間変換モジュールを提案する。 本手法は, ランダムに収集したインターネット画像上での計測3次元構造の正確な復元を可能にする。
  論文  参考訳（メタデータ） (2023-07-20T16:14:23Z)
• MonStereo: When Monocular and Stereo Meet at the Tail of 3D Human Localization [89.71926844164268]
  本研究では, 単分子的および立体的両方の長所を生かした新しい統合学習フレームワークを提案する。 本手法は, 左右画像中の人間を関連づけ, (ii) 立体的環境下では隠蔽された, 遠方のケースを扱い, (iii) 単眼視射影の内在的曖昧さに対処する。
  論文  参考訳（メタデータ） (2020-08-25T09:47:58Z)

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。