論文の概要: StableGrasp: Reconstructing Physically Stable Human Hand Grasps from Single Images

• arxiv url: http://arxiv.org/abs/2610.09195v1
• Date: Tue, 06 Oct 2026 22:45:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 21:58:22.639495
• Title: StableGrasp: Reconstructing Physically Stable Human Hand Grasps from Single Images
• Title（参考訳）: StableGrasp: 単一の画像から物理的に安定な人手グラフを再構築する
• Abstract要約: 本稿では,握力を決定する制御対象から視覚的手ポーズを分離する,微分可能シミュレーションに基づく最適化フレームワークを提案する。 我々のアプローチは、代替の手制御戦略よりもはるかに安定している。
• 参考スコア（独自算出の注目度）: 46.30730374896276
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Reconstructing a physically stable human grasp from a single RGB image is challenging because physically modeling grasps is itself difficult, and the problem requires estimating not only a visually constrained hand pose but also a control target that stabilizes the grasp. Existing methods either model only visual hand geometry without considering physics, or rely on less plausible physical modeling, which limits the physical validity of the resulting grasps. In this paper, we present StableGrasp, a differentiable simulation-based optimization framework that explicitly separates the visual hand pose from the control target that determines the grasping forces. Our method jointly optimizes hand geometry and control by minimizing the kinetic energy of the grasp in a differentiable simulator, while regularizing the hand geometry to preserve visual consistency and geometric plausibility. The reconstructed grasps are substantially more stable under rigorous physical simulation, while remaining visually consistent with the input images and geometrically plausible. Experiments show that our approach produces far more stable grasps than alternative hand-control strategies, benefiting visual-only grasp reconstruction pipelines by turning their outputs into physically stable grasps.
• Abstract（参考訳）: 1枚のRGB画像から物理的に安定な人間の握りを再構成することは、握りを物理的にモデル化することが困難であり、視覚的に制約されたポーズだけでなく、握りを安定させる制御対象も推定する必要があるため、困難である。 既存の手法は、物理を考慮せずに視覚的な手形状のみをモデル化するか、または、その結果の把握の物理的妥当性を制限する、より信頼性の低い物理的モデリングに依存している。 本稿では,握力を決定する制御対象から視覚的手ポーズを明示的に分離する,微分可能なシミュレーションベース最適化フレームワークであるStableGraspを提案する。 本手法は,視覚的整合性と幾何学的妥当性を維持するために手形状を規則化しながら,手形状の運動エネルギーを最小化することにより手形状と制御を協調的に最適化する。 再構成されたグリップは、厳密な物理シミュレーションの下では実質的に安定であるが、入力画像と視覚的に整合し、幾何学的にも妥当である。 実験により,本手法は手動制御方式よりもはるかに安定なグルーピングを実現し,出力を物理的に安定なグルーグルーグルーグルーグルーグルーグルーグルーグルーグルーグルーグルーグルーグルーグルーグルーグルーグルーグルーグルーグルーグルーグルーグルーグルーグルーグルーグルーグルーグルーグルーグルーグルーグルーグルーグルーグルーグルーグルーグルーグルーグルーグルーグリーグルーグルーグルーグリーグリーグルーグリーグリーグリーグリーグルーグリーグリーグリーグリーグリーグルーグリーグリーグリーグリーグリーグリーグルーグリーグリーグリーグリー

関連論文リスト

• PAD-Hand: Physics-Aware Diffusion for Hand Motion Recovery [8.428762763310232]
  雑音の多いポーズ列を物理的に可視な手の動きに洗練する物理認識型条件拡散フレームワークを提案する。 メッシュCNN-Transformerのバックボーン上に構築したEuler-Lagrangeのダイナミックスを手話の手話で定式化する。 本手法では,物理の整合性を測定し,解釈可能な分散写像を提供する。
  論文  参考訳（メタデータ） (2026-03-27T04:39:21Z)
• Geometrically Plausible Object Pose Refinement using Differentiable Simulation [2.833580209528223]
  最先端オブジェクトのポーズ推定手法は、幾何学的に不可能なポーズ仮説を生成する傾向にある。 本稿では, 微分可能な物理シミュレーション, 微分可能なレンダリング, ビジュオ触覚を併用したマルチモーダルポーズ改善手法を提案する。
  論文  参考訳（メタデータ） (2026-03-22T00:24:14Z)
• PhyRecon: Physically Plausible Neural Scene Reconstruction [81.73129450090684]
  PHYRECONは、微分可能なレンダリングと微分可能な物理シミュレーションの両方を利用して暗黙的な表面表現を学習する最初のアプローチである。 この設計の中心は、SDFに基づく暗黙の表現と明示的な表面点の間の効率的な変換である。 また,物理シミュレータの安定性も向上し,全データセットに対して少なくとも40%の改善が得られた。
  論文  参考訳（メタデータ） (2024-04-25T15:06:58Z)
• DeepSimHO: Stable Pose Estimation for Hand-Object Interaction via Physics Simulation [81.11585774044848]
  我々は、前方物理シミュレーションと後方勾配近似とニューラルネットワークを組み合わせた新しいディープラーニングパイプラインであるDeepSimHOを紹介する。 提案手法は, 評価の安定性を著しく向上し, テスト時間最適化よりも優れた効率性を実現する。
  論文  参考訳（メタデータ） (2023-10-11T05:34:36Z)

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。