La 8ème HANDS se tiendra à l'ECCV24 (après-midi du 30 septembre, à Milan), comprenant des ateliers et des défis. HANDS fournira une plate-forme permettant aux chercheurs et praticiens de la main de partager leurs travaux et de discuter de collaborations potentielles. Les sept dernières éditions de HANDS ont également connu un grand succès. Ce document est une traduction, veuillez vous référer au site officiel pour plus d'informations.
HANDS@ECCV24 Page d'accueil : https://www.php.cn/link/73d4d7b15bfefa13c4a035fa16bb99ed
Séminaire et soumission sur la main : Le séminaire se concentre sur les orientations liées à la main et invitera des experts dans les domaines liés à la main. Faire la coupe rapports de pointe. En particulier, nous invitons sincèrement à soumettre des articles longs pertinents.
Hand Challenge : Basé sur les derniers ensembles de big data manuels AssemblyHands, ARCTIC, OakInk2 et UmeTrack, le défi organise plusieurs pistes et espère promouvoir le développement d'algorithmes associés.
Challenge
Défi d'estimation de la main de généralisation en perspective basé sur AssemblyHand s
should Le défi fournit une version étendue du AssemblyHands Challenge dans HANDS2023. Alors que les casques AR/VR multi-vues (tels qu'Apple Vision Pro, Meta Quest, etc.) reçoivent une attention croissante, nous étendons le domaine de l'estimation de la pose des mains 3D des paramètres à vue unique aux paramètres à vues multiples. Dans ce défi, les participants doivent optimiser sans supervision le modèle pré-entraîné fourni et l'adapter à plusieurs paramètres à double vue, pour lesquels les paramètres de la caméra sont inconnus. Plus précisément, nous construisons la piste à l'aide de données multi-vues de l'ensemble de données AssemblyHands.
Défi de reconstruction 3D d'interaction main-objet à deux mains basé sur ARCTIC
Les humains interagissent avec divers objets chaque jour, de sorte que la capture 3D globale de ces interactions est cruciale pour la modélisation du comportement humain. Puisque nous interagissons naturellement avec nos mains, nous proposons le Hands Class-agnostic Reconstruction Challenge pour reconstruire les informations 3D des mains et des objets à partir de clips vidéo sans recourir à des modèles pré-numérisés. Cette tâche est plus difficile car la manipulation bimanuelle présente une occlusion main-objet sévère et un contact main-objet dynamique.
Défi de génération de trajectoire d'interaction main-objet basé sur OakInk2
L'objectif de ce défi est d'utiliser la fonctionnalité d'un objet pour synthétiser une interaction main-objet physiquement réalisable. L'objectif est d'utiliser des trajectoires de démonstration dans des ensembles de données existants pour générer des trajectoires d'interaction main-objet qui remplissent des fonctions spécifiées dans un environnement de simulation physique spécifié. Les concurrents doivent synthétiser des trajectoires pouvant être déployées dans un environnement simulé. Ces trajectoires sont nécessaires pour exploiter la fonctionnalité de l'objet afin d'atteindre l'objectif de la mission à partir d'un état initial de mission donné. Nous utilisons l'ensemble de données OakInk2 (Zhan et al. CVPR'24) comme source des trajectoires de démonstration dans ce défi. OakInk2 contient des démonstrations d'interaction main-objet centrées sur la mise en œuvre des possibilités d'objet. Dans ce défi, nous proposons une démonstration de transfert d'une main humaine (MANO) vers un avatar adroit (ShadowHand) pour l'environnement IsaacGyn.
Basé sur le défi de suivi des mains égocentriques multi-vues MegoTrack
Ce défi vise à promouvoir le développement d'algorithmes pratiques de suivi des mains adaptés aux systèmes AR/VR utilisant des caméras égocentriques multi-vues. Les participants auront l’occasion d’exploiter les capacités uniques des systèmes AR/VR pour améliorer la robustesse des algorithmes de suivi manuel. Cette année, deux tâches différentes sont lancées :
1. Reconstruction de la main : Déterminer la reconstruction de la main à l'aide d'une vidéo stéréoscopique calibrée.
2. Estimation de la pose des mains : utilisez des formes de main pré-calibrées pour suivre les poses des mains dans des vidéos stéréoscopiques calibrées.
Pour encourager le développement de méthodes généralisables, nous utiliserons deux ensembles de données avec des configurations différentes : UmeTrack et HOT3D, ce dernier récemment lancé au CVPR. +
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!