提出融合视觉与肌电信号的EVFormer双手姿态估计模型

2026年10月7日，研究人员提出用于第一视角双手姿态估计的多模态模型 EVFormer。该模型结合单帧 RGB 图像与前 200 毫秒双腕表面肌电信号（sEMG），通过序列双向交叉注意力和特征门控融合实现视觉与肌电特征交互，用于估计 44 个手指及手腕关节角度。实验表明，在 296 个测试样本上，EVFormer 的平均绝对误差为 11.482 度，较仅视觉基线降低了 13.20%，并在 5 类手势中的 4 类取得最低误差。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。