VolCo: Volumetric Contact for High-Fidelity Human Grasp Generation
作者: Zhuo Chen, Yihua Cheng, Aleš Leonardis, Hyung Jin Chang
分类: cs.CV
发布日期: 2026-10-07
备注: Accepted to NeurIPS 2026
🔗 代码/项目: GITHUB
💡 一句话要点
提出VolCo以解决高保真度人手抓取生成问题
🎯 匹配领域: 支柱四：生成式动作 (Generative Motion)
关键词: 体积接触 手部抓取 运动捕捉 3D建模 机器人交互
📋 核心要点
- 现有的接触表示方法通常局限于物体表面，导致抓取生成中出现严重的穿透和不合理结果。
- 论文提出的VolCo通过将接触表示扩展到3D体积网格，能够更精确地恢复手部接触细节。
- 在两个基准数据集上的实验结果表明，VolCo在抓取生成的穿透和稳定性方面达到了最新的性能水平。
📝 摘要（中文）
准确的接触建模对于理解手与物体的交互至关重要，但现有的接触表示通常仅限于物体表面，并依赖手工规则来恢复接触细节，导致严重的穿透和不合理的结果。为更好地利用运动捕捉数据中的丰富细节，我们提出了体积接触（VolCo），一种将表面点扩展为一组3D体积网格的表示。VolCo编码了3D接触，允许精确恢复手部，并在固有层次中组织：每个体积内的局部接触细节和所有体积的全局手部几何。我们的框架VolCoDiff采用两个模块来捕捉遵循此层次的局部和全局特征。我们在两个基准数据集上评估了该方法，展示了在穿透和稳定性方面的最新性能，表明能够生成更紧凑的抓取，且穿透程度显著降低。
🔬 方法详解
问题定义：本论文旨在解决现有接触建模方法在手与物体交互中存在的严重穿透和不合理结果的问题。现有方法通常仅依赖物体表面，无法充分捕捉接触细节。
核心思路：论文提出的VolCo表示通过将接触扩展到3D体积网格，能够更全面地捕捉手部与物体的接触信息，从而提高抓取生成的准确性和稳定性。
技术框架：整体架构包括两个主要模块：局部接触细节模块和全局手部几何模块。局部模块使用3D变分自编码器建模手部配置，而全局模块则设计了一个先验引导的扩散模型来学习压缩特征的分布。
关键创新：最重要的技术创新在于引入了体积接触表示（VolCo），通过3D体积网格的方式捕捉接触细节，与传统的表面接触表示方法相比，显著提升了抓取生成的精度和稳定性。
关键设计：在局部接触细节模块中，使用了基于局部物体符号距离场（SDF）的3D变分自编码器；全局手部几何模块则采用了先验引导的扩散模型，聚合来自体积网格的压缩特征以学习其分布。
🖼️ 关键图片
📊 实验亮点
实验结果表明，VolCo在穿透和稳定性方面达到了最新的性能水平，相较于基线方法，抓取生成的穿透程度显著降低，表现出更高的抓取紧凑性和可靠性。
🎯 应用场景
该研究的潜在应用领域包括机器人抓取、虚拟现实中的手部交互以及人机协作等场景。通过提高抓取生成的准确性和稳定性，VolCo能够在实际应用中显著提升机器人与物体交互的自然性和有效性，推动相关技术的发展。
📄 摘要（原文）
Accurate contact modeling is fundamental to understanding hand-object interaction, yet existing contact representations are typically restricted to object surfaces and rely on hand-crafted rules to recover contact details, leading to severe penetrations and implausible results. To better exploit the rich detail in motion-capture data, we introduce Volumetric Contact (VolCo), a representation that expands surface points to a set of 3D volumetric grids. VolCo encodes 3D contact that allows precise hand part recovery, and is organized in an inherent hierarchy: local contact details within each volume and global hand geometry across all volumes. Our framework, VolCoDiff, employs two modules to capture local and global features following this hierarchy. For local contact details, we use a 3D variational autoencoder to model the possible hand configurations conditioned on the local object signed distance field (SDF). For global hand geometry, we design a prior-guided diffusion model that learns the distribution of compressed latent features aggregated from the volumetric grids. We evaluate our method on two benchmark datasets and demonstrate state-of-the-art performance in penetration and stability, indicating the capability to generate tight grasps with much less severe penetrations. Our code is available at https://github.com/chzh9311/volco.