論文の概要: DenseHap: Dense Hand Haptic Estimation from Monocular Images

• arxiv url: http://arxiv.org/abs/2610.26583v1
• Date: Mon, 19 Oct 2026 15:32:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 02:31:43.157185
• Title: DenseHap: Dense Hand Haptic Estimation from Monocular Images
• Title（参考訳）: DenseHap:単眼画像による手の触覚評価
• Abstract要約: DenseHapは,手距離場認識,包括的手接触検出,手圧解析,一眼レフ画像からの手指再建を行う。 DenseHapは、4つの評価データセットで、アートモデルの以前の状態よりも優れています。
• 参考スコア（独自算出の注目度）: 12.93507654617985
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As dexterous robotic manipulation advances, scalable annotations of human hand-object interactions are becoming increasingly important. Furthermore, previous hand contact estimation methods suffered from issues such as dorsal-side misclassifications and insufficient precision, while lacking a unified framework for integrating multiple hand to environment interaction modalities, including distance fields, contact thresholds, and pressure. To address that, we present DenseHap, a unified end-to-end approach to estimate hand distance field recognition, comprehensive hand contact detection, hand pressure analysis, and hand reconstruction from a single monocular image. By incorporating three distinctly defined heads, along with a pretrained 3D reconstructed skeleton and an enhanced dataset, DenseHap outperforms previous state of the art models on four evaluation datasets, improving the F1 score by 8.5 percentage points (a 16% relative improvement) on untrained datasets and by 3 percentage points (5% relative improvement) on in-distribution datasets. Furthermore, DenseHap has effectively improved short-range hand estimate and pressure evaluation. Code and models will be publicly available upon the paper's acceptance.
• Abstract（参考訳）: 器用なロボット操作が進むにつれ、人間の手-物体相互作用のスケーラブルなアノテーションがますます重要になってきています。 さらに, 距離場, 接触しきい値, 圧力など, 複数手と環境との相互作用を統合化するための統一的な枠組みが欠如し, 背側誤分類や精度の低下といった問題に悩まされていた。 そこで本研究では,手指距離場認識,包括的手指接触検出,手指圧解析,一眼レフ画像からの手指再建を両立するDenseHapを提案する。 DenseHapは、事前にトレーニングされた3D再構成されたスケルトンと強化されたデータセットとともに、3つの明確に定義されたヘッドを組み込むことで、4つの評価データセットで従来の最先端モデルよりも優れ、トレーニングされていないデータセットではF1スコアが8.5ポイント(相対的改善率:16%)、分散データセットでは3ポイント(相対的改善率:5%)向上している。 さらに、DenseHapは手近距離の推定と圧力評価を効果的に改善した。 コードとモデルは、論文の受理時に公開される。

関連論文リスト

• HandMCM: Multi-modal Point Cloud-based Correspondence State Space Model for 3D Hand Pose Estimation [60.2305990057581]
  3Dハンドポーズ推定は、拡張現実のような多くの人間とコンピュータのインタラクションアプリケーションにとって不可欠である。 HandMCMは強力な状態空間モデル(Mamba)に基づく新しい手法である
  論文  参考訳（メタデータ） (2026-02-02T03:25:43Z)
• Towards Egocentric 3D Hand Pose Estimation in Unseen Domains [12.514577938360574]
  V-HPOTは、3Dハンドポーズ推定のクロスドメイン性能を改善するための新しいアプローチである。 仮想カメラ空間におけるキーポイントz座標を推定することで、この問題に対処する。 自己監督テストタイム最適化戦略は、推論中のモデルの深度知覚を洗練させる。
  論文  参考訳（メタデータ） (2026-01-10T11:36:01Z)
• Contact-Aware Refinement of Human Pose Pseudo-Ground Truth via Bioimpedance Sensing [42.371736670824575]
  本稿では,視覚的ポーズ推定とバイオインダプタンスセンシングを組み合わせることで,自己接触を考慮し,人の3Dポーズを捉える新しいフレームワークを提案する。 我々は,同期RGBビデオの新たなデータセット,生体インピーダンス測定,3次元モーションキャプチャーを用いてアプローチを検証する。 また,コンタクト対応トレーニングデータの大規模な収集を可能にする小型ウェアラブルバイオインピーダンスセンサを提案する。
  論文  参考訳（メタデータ） (2025-12-04T14:45:38Z)
• HOIGaze: Gaze Estimation During Hand-Object Interactions in Extended Reality Exploiting Eye-Hand-Head Coordination [10.982807572404166]
  HOIGAzeは、拡張現実(XR)における手物体相互作用(HOI)中の視線推定のための学習的アプローチ 眼、手、頭部の動きは、HOIにおいて密接に調整されており、この調整は、視線訓練に最も有用なサンプルを特定するために利用することができる。 HOT3DとAriaデジタルツイン(ADT)のデータセット上でHOIGazeを評価し,最先端の手法を著しく上回ることを示す。
  論文  参考訳（メタデータ） (2025-04-28T14:31:43Z)
• DICE: End-to-end Deformation Capture of Hand-Face Interactions from a Single Image [98.29284902879652]
  DICEは1枚の画像から変形認識による手と顔のインタラクションを再現する最初のエンドツーエンド手法である。 ローカルな変形場とグローバルなメッシュ位置の回帰を2つのネットワークブランチに切り離すことが特徴である。 標準的なベンチマークと、精度と物理的妥当性の点から見れば、最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2024-06-26T00:08:29Z)
• HandDiff: 3D Hand Pose Estimation with Diffusion on Image-Point Cloud [60.47544798202017]
  ハンドポーズ推定は、様々な人間とコンピュータの相互作用アプリケーションにおいて重要なタスクである。 本論文は,手形画像点雲上での正確な手ポーズを反復的に認知する拡散型手ポーズ推定モデルであるHandDiffを提案する。 実験の結果,提案したHandDiffは,4つの挑戦的なハンドポーズベンチマークデータセットにおいて,既存のアプローチよりも大幅に優れていた。
  論文  参考訳（メタデータ） (2024-04-04T02:15:16Z)
• 3D Hand Reconstruction via Aggregating Intra and Inter Graphs Guided by Prior Knowledge for Hand-Object Interaction Scenario [8.364378460776832]
  モデルベースおよびモデルフリーアプローチの利点を生かした3次元ハンドリコンストラクションネットワークを提案する。 まず,2次元関節から直接のMANOポーズパラメータ回帰モジュールを提案する。
  論文  参考訳（メタデータ） (2024-03-04T05:11:26Z)
• 3D Interacting Hand Pose Estimation by Hand De-occlusion and Removal [85.30756038989057]
  単一のRGB画像から3Dインタラクションハンドポーズを推定することは、人間の行動を理解するのに不可欠である。 本稿では,難易度の高い手ポーズ推定タスクを分解し,各手のポーズを別々に推定することを提案する。 実験の結果,提案手法は従来の手ポーズ推定手法よりも有意に優れていた。
  論文  参考訳（メタデータ） (2022-07-22T13:04:06Z)
• Monocular 3D Reconstruction of Interacting Hands via Collision-Aware Factorized Refinements [96.40125818594952]
  単眼のRGB画像から3Dインタラクションハンドを再構築する試みを初めて行った。 提案手法では, 高精度な3次元ポーズと最小の衝突で3次元ハンドメッシュを生成することができる。
  論文  参考訳（メタデータ） (2021-11-01T08:24:10Z)

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。