ViDiHand 发布：首个用预训练视频扩散模型从第一视角视频重建 4D 双手动作的方法

NTU MMLab 等团队发布 ViDiHand，首个利用预训练视频扩散模型从自我中心（egocentric）视频重建 4D 双手运动的方法。该方法不把扩散模型当冻结特征提取器，而是通过手部叠加渲染任务微调，再用双分支解码器读出关节级 3D 姿态与逐关节 2D 定位，双手以公制尺度锚定。论文、项目页与代码均已公开。