Tag · 3 篇

惯性动捕

MGDHand: Multi-Granularity Prior-to-Inertial Distillation Framework for Sequential 3D Hand Pose Estimation from Sparse IMUs

把视觉侧 MANO 融合教师模型的静态形状、动态关节运动学与速度/加速度先验，按粒度解耦蒸馏到稀疏 IMU 学生模型，为视觉-惯性跨模态蒸馏提供了可复用的「按信息密度分层对齐」思路，可直接迁移到人体姿态、动捕等稀疏传感器设定。

IMU-HOI: A Symbiotic Framework for Coherent Human-Object Interaction and Motion Capture via Contact-Conscious Inertial Fusion

把稀疏 IMU 信号与手-物接触概率作为高层路由信号，融合运动学与惯性积分，可在遮挡严重、相机视野受限的场景下替代纯视觉动捕；其接触感知的三阶段融合管线与可插拔设计，可直接接入现有稀疏 IMU 动捕骨干，扩展到人-物联合运动估计。

Ground Reaction Inertial Poser: Physics-based Human Motion Capture from Sparse IMUs and Insole Pressure Sensors

用物理仿真器中的合成人形作为数字孪生，把稀疏 IMU 与鞋垫压力信号经 KinematicsNet 估计后，由 DynamicsNet 以残差控制仿真人形，从而得到物理一致的人体运动；这套「运动学估计 + 物理仿真残差修正」的范式可迁移到视频人体运动恢复与物理合理性约束。