@seclink @_gundawar 这个视频里的手部标注不是真值，而是世界模型的预测输出。类似ACE-Ego-Hand这类方法，把视频扩散模型当几何编码器，用干净潜在特征和双向时空解码，在遮挡时也能稳定推断完整手部姿态（所谓x-ray vision），所以跟踪很稳。
Show more
Most Popular Users
Register and share your invite link to earn from video plays and referrals.
