MANO 手部模型

最常用的参数化 3D 人手模型，用少量形状和姿态参数描述一只手。

MANO 全称 hand Model with Articulated and Non-rigid defOrmations，由德国马普智能系统研究所 Michael Black 团队（Javier Romero、Dimitrios Tzionas）提出，发表于 SIGGRAPH Asia 2017。它从 31 人约 1000 次高精度手部 3D 扫描中学得：输入形状参数（常用 10 维，描述手的大小和粗细）和姿态参数（各手指关节的旋转，可用主成分压缩到更低维），就输出一只带手指弯曲和皮肤形变的三维手部网格。它还能接到 SMPL 人体模型上组成 SMPL+H。在具身智能里，MANO 是从人手视频学灵巧操作的常用表示：HaMeR 等手部重建方法输出 MANO 参数，再经动作重定向映射到机器人灵巧手的关节上。

例子从一段人拿杯子的第一人称视频逐帧估计 MANO 参数，得到手指关节角轨迹，再重定向给机器人灵巧手当示范。

也叫

MANO 参数化手模型

相关

SMPL 人体模型、HaMeR、手部姿态估计、动作重定向、灵巧手、人类视频数据

来源

MANO 官网（MPI-IS）
arXiv 2201.02610: Embodied Hands: Modeling and Capturing Hands and Bodies Together
GitHub: hassony2/manopth（MANO 的 PyTorch 实现）

信息截至

2017-11