MANO-参数化模型

MGDHand：面向稀疏 IMU 序列三维手部姿态估计的多粒度先验到惯性蒸馏框架

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。