摘要

我们的研究旨在从单目视频中实现手部和操作对象的三维重建。重建手-物操作在机器人技术和从人类演示中学习方面具有巨大的潜力。然而，针对这一问题的监督学习方法需要三维监督，并且仅限于可以获取三维真实数据的受控实验室环境和模拟器。在本文中，我们首先提出了一种无需学习的手-物重建拟合方法，该方法能够无缝处理双手与物体的交互。我们的方法依赖于通过常用的目标检测、手部姿态估计和实例分割方法获得的线索。我们对所提出的方法进行了定量评估，并展示了其可以应用于不同难度级别的数据集，即使这些数据集缺乏训练数据。