TokenHand：面向高效手部网格重建的离散 token 表示
TokenHand: Discrete Token Representation for Efficient Hand Mesh Reconstruction
把 3D 手部网格重建从回归改成对离散 token 的分类，并用预训练解码器从 token 直接还原网格，为视觉研究者提供了一条「离散化 + 分类」替代连续回归、兼顾精度与实时性的可复用思路，可迁移到人体、物体等其他参数化网格重建任务。
原文依据 we reformulate hand mesh reconstruction as a classification problem rather than a regression task
摘要译文
由模型翻译 · 术语统一 · 请对照原文核对关键结论近年来，手部网格重建受到越来越多的关注。尽管已取得显著进展，现有方法往往难以在重建质量与推理效率之间取得平衡。本文提出 TokenHand，一种用于单视图 3D 手部网格重建的新框架，同时实现高精度与实时推理。该方法使用 M 个离散 token 表示 3D 手部模型，每个 token 描述手部的某个特定子结构。这种组合式表示使得以极小的重建误差进行高效建模成为可能。此外，我们将手部网格重建重新表述为分类问题而非回归任务。具体而言，分类器从输入图像预测 M 个 token 的类别，随后由预训练的解码器网络根据预测得到的 token 重建 3D 手部网格，且无需任何后处理。大量实验表明，TokenHand 在标准基准上取得了与现有方法相当或更优的性能，同时在实际场景中保持高效率。
英文原文摘要 1088 字符
Hand mesh reconstruction has attracted growing attention in recent years.Despite significant progress, existing methods often struggle to balance reconstruction quality and inference efficiency.In this work, we propose TokenHand, a novel framework for single-view 3D hand mesh reconstruction that achieves both high accuracy and real-time inference.Our method represents a 3D hand model using M discrete tokens, each describing a specific sub-structure of the hand.This compositional representation enables efficient modeling with minimal reconstruction error.Furthermore, we reformulate hand mesh reconstruction as a classification problem rather than a regression task.Specifically, a classifier predicts the categories of the M tokens from an input image, and a pre-trained decoder network subsequently reconstructs the 3D hand mesh from the predicted tokens without any post-processing.Extensive experiments demonstrate that TokenHand achieves comparable or superior performance to existing methods across standard benchmarks, while maintaining high efficiency in practical scenarios.