V-JEPA Hand：从第一视角视频联合重建手部与相机轨迹

2026年10月20日，arXiv Computer Vision 刊出 Ruicheng Li 等作者的论文，提出 V-JEPA Hand。据该论文自述，这是一个简单的前馈视频模型，能从第一视角（egocentric）视频片段中联合重建双手运动与相机运动。方法上，它采用自监督 V-JEPA 2.1 编码器并搭配查询式预测器，单次前向即可完成双手姿态与相机运动的重建，并把手部轨迹统一到世界坐标系。目前可核实的进展仅限于论文发布及上述方法描述，报道未提及实验数据、基准结果、代码或模型是否公开，也没有后续跟进报道。以上均为论文作者在论文中的表述。

AI 根据报道生成 · 44 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。