Exo2EgoPose：利用外中心演示进行视觉语言引导的自我中心3D手部姿态预测

摘要

该论文提出了一种名为Exo2EgoPose的框架，通过引入外中心（Exo）演示来补偿自我中心（Ego）视角中视野有限和运动动态性强的问题，从而预测未来的3D手部姿态。该框架包含一个双层次外中心重建模块（DERM），利用配对的外中心视频作为监督，重建视频级和分块帧级表示，以提升预测准确性。