ViDiHand

该方法在保持基础 DiT 冻结的同时，通过手部叠加渲染微调 VACE 分支。一个轻量级双分支解码器读取共享的中间 VACE 特征，以预测 MANO 姿态、2D 关节和位移，从而通过一次推理生成具备手部感知的重建结果，而无需反复解码多个独立表示。

ViDiHand 适用于手物交互分析、机器人感知、增强现实、动作捕捉和具身 AI 数据集。其项目页面包含同步多视角回放、网格与关节可视化、对比案例，以及在 ARCTIC、HOT3D、HOI4D 和野外序列上的结果。