{
  "paper_id": "07388be6cd0ad4161ce92f955b65fd88",
  "paper_title": "EgoPressure: A Dataset for Hand Pressure and Pose Estimation in Egocentric Vision",
  "paper_authors": [
    "Yiming Zhao",
    "Taein Kwon",
    "Paul Streli",
    "Marc Pollefeys",
    "Christian Holz"
  ],
  "publication_date": "",
  "publication_venue": "2025 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)",
  "abstract": "触觉接触和压力对于理解人类如何与物体交互及操纵物体至关重要，这些信息可显著惠及混合现实和机器人应用。然而，从第一视角相机估计此类交互非常困难，主要原因是缺少同时提供接触表面上准确手部姿态和详细压力信息的综合数据集。本文提出EgoPressure，这是一个捕捉详细触觉接触与压力交互的新型第一视角数据集。EgoPressure为每个接触点提供高分辨率压力强度标注，并通过所提出的多视角、基于序列的优化方法处理8相机采集装置的数据，得到准确的手部姿态网格。数据集包含21名参与者的5小时交互记录，由1个头戴相机和7个固定Kinect相机以30 Hz同步采集RGB图像和深度图。为支持未来研究与基准测试，本文提出多个从RGB图像估计外部表面所受压力的基线模型，分别比较使用和不使用手部姿态信息的情况，并进一步探索手部网格与所受压力的联合估计。实验表明，压力和手部姿态对于理解手物交互具有互补性。项目页：<https://yimingzhao.github.io/EgoPressure/。>\n",
  "keywords": [
    "第一视角视觉",
    "手部压力估计",
    "手部姿态估计",
    "手部网格",
    "多视角RGB-D",
    "触觉接触",
    "压力UV图",
    "数据集",
    "PressureFormer"
  ],
  "paper_institutions": [
    "ETH Zürich",
    "Microsoft Spatial AI Lab, Zürich"
  ],
  "output_language": "zh",
  "provider": "doubao",
  "model": "doubao-seed-2.1-pro",
  "prompt_template": "simple",
  "extracted_at": "2026-10-20T04:41:03.636208Z",
  "template_tag": "deep_read",
  "summary": "# EgoPressure: A Dataset for Hand Pressure and Pose Estimation in Egocentric Vision\n\n\n**作者 / Authors:** Yiming Zhao, Taein Kwon, Paul Streli, Marc Pollefeys, Christian Holz\n\n\n**单位 / Institutions:** ETH Zürich, Microsoft Spatial AI Lab, Zürich\n\n\n\n**输出语言 / Output Language:** zh\n\n\n\n\n\n\n## 第一轮：问题与贡献\n\n\n### 材料与类型\n\n材料检查：可获得正文与补充材料，包含采集装置、标注优化目标、数据统计、基准实验表与多组定性图；未见代码或数据下载链接，仅给出项目页，且文中称数据集将在录用后公开，因此数据质量与可复现性暂不能独立核验。论文未在正文中给出发表会议/期刊与日期，需外部核实。原型判断：other（数据集/基准论文）最合适；虽然包含多视角标注优化方法和 PressureFormer 基线，但核心贡献是带 3D 手部姿态与压力的第一人称数据集及基准，而非单一算法或完整系统。影响解读的缺口：数据与代码不可用；部分损失项与实现细节放在补充材料，正文仍有省略；压力仅限平面触控板、室内、单手交互；表 2 与补充材料的训练/测试划分表述需核对。\n\n\n\n\n\n### 问题\n\n问题：从第一人称相机估计手与外部表面的接触和压力，并同时获得准确的 3D 手部姿态与网格。重要性：该能力可用于 AR/VR 的精细输入与触觉反馈、机器人模仿人类操作，以及无穿戴设备时的自然交互理解。现有方法的主要不足：手套、触觉传感器或机器人触觉会遮挡或改变自然触觉；视觉方法常依赖静态外置相机、标记或多视角捕捉架；PressureVision/ContactLabelDB 虽有压力标签，但限于静态相机，缺少准确手部姿态与网格，难以把压力定位到 3D 手表面；单目第一人称视角还存在严重遮挡与尺度模糊。形式化地说，可视为给定第一人称 RGB（可选深度与手姿态）预测图像压力图 P 或手部 UV 压力图 T_P，并估计 MANO 参数 θ、β、t 与顶点位移 D_vert，使投影压力与触控板压力一致。\n\n\n\n\n\n### 概览与阅读路线\n\n一句话：EgoPressure 构建带 3D 手部姿态/网格与接触压力的第一人称手-表面交互数据集，并提供标注方法与压力估计基准。\n\n核心思路与贡献：用 1 个头戴相机与 7 个静态 Azure Kinect 加 Sensel Morph 压力板同步采集 RGB-D 与压力；以 HaMeR 和 SAM 初始化，多视角可微渲染优化 MANO 姿态，第二阶段用顶点位移细化网格，并用触控板下方虚拟正交相机把压力反投影为手部 UV 纹理。相对 PressureVision/ContactLabelDB 等，作者强调其首次同时提供第一人称、多视角、无标记手部姿态/网格以及可定位到 3D 手表面的压力。基准上，图像压力模型可加入 2.5D 手关键点；PressureFormer 则直接从手网格 UV 预测压力。\n\n最重要结果与条件：表 2 中，ego RGB 基线的 Vol. IoU 为 38.64，加入 HaMeR 姿态为 40.52，加入 GT 姿态为 41.39；Contact IoU 从 55.73 升至 56.25/58.80。未见 exocentric 视角上提升更明显：Contact IoU 36.82→38.46→43.04，Vol. IoU 25.05→28.10→31.39。表 3/4 中 PressureFormer 的 UV Contact IoU 为 33.12，优于将图像压力烘焙到 UV 的基线 21.53/24.10；但其图像 MAE 为 71，高于 44/49，图像 Vol. IoU 为 31.57，低于姿态基线 35.40。作者声称压力与手姿态互补，证据主要来自这些受控平面触控板实验；补充材料称 15 人训练/验证、6 人测试，而表 2 标注为全数据集 21 人，需在复现时核对划分与数据泄漏控制。\n\n优先阅读与下轮问题：优先第 3 节与图 2（标注与虚拟渲染）、第 4 节与表 1（数据构成与对比）、第 5 节与表 2-4、图 9（基准与 PressureFormer）。下轮应追问：各损失项对标注精度的实际贡献与失败模式；0.5 kPa 阈值和 UV 压力量化如何影响指标；跨视角、跨受试者泛化是否被充分隔离；PressureFormer 的 UV 监督是否真正带来 3D 一致性而非仅提升 Contact IoU。总体看，论文的数据与基准证据较集中，方法细节多依赖补充材料，需在复现轮核查。\n\n下一轮应重点核查标注优化与基准实验的可复现性。\n\n\n\n\n## 第二轮：方法与证据\n\n\n### 方法与公式\n\n输入与输出：输入为 7 个静态 Azure Kinect 的 RGB-D、SenseI Morph 压力帧，以及 1 个头戴 RGB-D 相机；输出为手部姿态 θ、平移 t、顶点位移 D_vert 和手部 UV 压力纹理 T_P。关键步骤：\n1）初始化：HaMeR 对每个静态相机给出初始 θ_init、t_init；单目尺度-平移模糊用 7 视角根关节三角化解决；SAM 以 HaMeR 框和 2D 根关节为提示，得到手部掩码 M_gt。β 校准：每个受试者每只手另录校准序列，优化 MANO 形状 β 并加 L2 正则，之后固定。\n2）第一阶段 POSE OPTIMIZATION：优化 θ、t，网格 Θ=MANO(θ,β)+t；目标 L_pose=L_R+L_insec（式1）。L_R 在多视角可微渲染 DIB-R 上比较掩码 IoU、外观 MSE 和深度 volumetric IoU（式5）；L_insec 用 BVH 检测网格自交，避免手指穿插。深度剔除：预渲染触控板和底座深度 D_o，用 M_dc=I(D_o>R_D) 切掉被板遮挡的手部渲染，并把触控板碰撞盒加入 L_insec，防止手穿板。时间连续性：对连续 B 帧的 MANO 关节 J 加二阶差分正则 L_temp（式8）。\n3）第二阶段 SHAPE REFINEMENT：固定 θ、t，给每个顶点沿法向偏移 D_vert，Θ*=Θ+n·D_vert；目标 L_shape=L_R+L_G+L_tildeR（式2）。L_G=L_insec+L_arap+L_n+L_lap+L_offset（式6）：ARAP 式(7)约束边长变化，Laplacian 平滑、法向一致、偏移 L2 抑制过大形变。\n4）虚拟渲染：在触控板下方放一个朝上的虚拟正交相机，渲染尺寸等于触控板分辨率，相机平面与触控板感应面重合；把压力作为手网格 UV 纹理 T_P 优化。式(3)：L_tildeR = MSE(R_P(Θ*,T_P),P_gt)+|I(P_gt>0)⊙(R_D[z](Θ*)-Z_v2p)|_1。第一项让渲染压力匹配压力板；第二项只在 P_gt>0 的接触区把渲染深度推到触控板平面距离 Z_v2p，保证物理接触。小例子：食指点按板面时，虚拟相机看到手指下侧；若手指悬空，深度项会把手指向下推，直到接触区深度等于板面。注意正文一处把该目标写成 L_tildeG、公式写成 L_tildeR，符号不一致。\n5）输出：θ、t、D_vert、T_P；可把 T_P 投回任意相机得到图像压力，也可在 3D 手表面显示压力。\nPressureFormer 基线：输入手中心裁剪 RGB；HaMeR 给出 V_hand 和 ViT token；transformer decoder 以顶点 token 交叉注意图像 token，输出每顶点 D 维特征；按 MANO UV 坐标散射到 UV 特征图，因稀疏用两层卷积插值并降到 C 个压力类，得 U_pred。L_c 是 U_pred 与 U_gt 的交叉熵；用 DIB-R 把 U_pred 贴到预测网格并渲染回图像，翻转 z 法向和 z 轴找背向相机（最远/不可见）的面作为可能接触面，得 P_pred，再与 P_gt 算交叉熵 L_p。总损失 L_PF=w1 L_c+w2 L_p（式4），补充材料给 w1=0.2、w2=0.05。动机：图像压力有 3D 歧义；UV 压力直接绑定手表面，可投回图像也可保留 3D。\n\n\n\n\n\n### 评测设置\n\n数据与采集：4.3M RGB-D 帧、5.0 小时、21 名受试者（6 女 15 男，23–32 岁）、31 种手势、6216 段序列；平均序列约 420 帧/14 秒；45.1% 帧有接触；7 个静态相机 2560×1440、1 个 egocentric 相机 1920×1080，30 Hz；SenseI Morph 压力板 240×169.5 mm，4 种表面纹理；0.5 kPa 作为最小有效压力阈值。标注覆盖 386,231×7=2,703,617 个静态帧，其中 81% 有接触。\n基准协议：表2 分三类：ego 训练/评估均为 ego；exo seen 用相机 2、3、4、5 训练并同视角评估；exo unseen 用 2、3、4、5 训练，在 1、6、7 评估。输入为 RGB，或 RGB+21 个 2.5D 手关节（图像平面 x,y 加 ego 坐标 z，单位 mm）；HaMeR 预测作为可部署基线，GT 关节作为上界。表3/表4 的 PressureFormer 与图像基线使用手中心裁剪、shift/rescale/rotate 增强；编码器为 ImageNet 预训练 SEResNeXt50，解码器为 FPN；Adam，batch size 8，学习率 0.001 训练 100k 迭代，再 0.0001 训练 500k 迭代；PressureFormer 损失权重 w1=0.2、w2=0.05。\n指标：Contact IoU 衡量二值接触图 IoU；Volumetric IoU 同时考虑压力幅度，按逐像素 min/max 求和比计算；MAE 为逐像素压力误差；Temporal Accuracy 衡量逐帧接触一致性；UV 指标在 UV 压力图上算 Contact IoU 与 Volumetric IoU。\n缺口与公平性：表2 标题称使用全数据集 21 人，但补充材料 7.1.1 称 15 人训练/验证、6 人测试，划分表述冲突，无法确认是否存在泄漏；表2 的 MAE 标为 [Pa]，表3/表4 标为 [kPa]，数值不可直接比较，疑为单位标注问题，待核实；训练 GPU/总计算量未报告，仅采集工作站为 RTX 3070；未给代码或数据下载链接，数据集称录用后公开。PressureFormer 使用 HaMeR 骨干和手网格，图像基线不使用；UV 基线需用 HaMeR 网格把图像压力烘焙到 UV，比较并非同架构。GT 姿态是上界而非可部署输入。数据限于室内、平面触控板、单手交互，0.5 kPa 阈值和压力量化类别会影响指标。\n\n\n\n\n\n### 结果与证据\n\n表2（图像压力）支持手姿态对接触/体积指标的帮助，但不是所有指标都支持。Ego：Contact IoU 55.73→56.25（HaMeR）→58.80（GT），Vol. IoU 38.64→40.52→41.39；但 MAE 53.60→55.23→53.79，HaMeR 反而变差，GT 也仅比 RGB 低 0.19；Temp. Acc. 91.68→91.67→92.17。Exo seen：Contact 62.11→62.95→64.39，Vol. 44.73→45.01→47.58，MAE 43.15→42.53→41.72。Exo unseen：Contact 36.82→38.46→43.04，Vol. 25.05→28.10→31.39，MAE 62.22→51.50→49.45。因此“姿态与压力互补”在 novel view 的 Contact/Vol 上证据较强，在 ego MAE 上不成立。\n表3/表4（PressureFormer）支持 UV 压力定位，但不支持全面优于图像基线。UV Contact IoU：PressureFormer 33.12，对比烘焙基线 21.53/24.10；UV Vol. IoU：24.54 对比 16.41/17.36；去掉 L_c 后降为 26.24/18.61，说明 coarse UV 监督有用。图像侧：Contact IoU 43.04 最高，但 Vol. IoU 31.57 低于 32.11/35.40，MAE 71 差于 44/49，Temp. Acc. 89 低于 90/92。结论是 PressureFormer 用图像压力幅度/时序换取 UV 与 3D 接触定位，并非全面更优。\n标注证据：表7 中本文 3D 指尖误差 5.68 mm，HaMeR 三角化 12.37 mm；表6 去掉任一损失项都使 L_D、L_M 和 3D tips error 变差（完整 5.68 mm，其余 7.66–8.61 mm）；表5 深度损失 0.4443→0.1759→0.1317，掩码损失 0.3887→0.1165→0.0558。支持多视角优化标注的保真度，但人工核验仅基于 300 组×8 视角的可见指甲尖，得到 1114 个 3D 点，不能证明全手表面精度。表8 微调 HaMeR 后 MPJPE 10.75 vs 18.58 mm、重建误差 6.10 vs 8.11 mm，支持数据集对姿态估计的价值，但不能直接与 5.68 mm 的指尖指标对比。总体上，数据集与标注、接触/UV 定位证据较强；压力幅度、时序一致性和“姿态全面提升压力”证据较弱，且受 15/6 划分与 MAE 单位问题影响。\n\n\n\n\n\n### 相关工作\n\n最接近的工作是 PressureVision [^24]（ECCV 2022）与 PressureVision++ [^25]（WACV 2024）：前者用静态外置相机和 SenseI Morph 压力板估计图像平面手压，后者用弱标签扩展到更复杂物体和指尖压力。作者自述的区别是：EgoPressure 增加第一人称视角、7 个同步静态相机的多视角 RGB-D、无标记 MANO 手部姿态/网格，以及把压力反投影为手部 UV 纹理；因此可定位压力到 3D 手表面，而 PressureVision 系列主要输出图像平面压力且依赖静态相机。与 ContactLabelDB [^25] 相比，本文多了手部姿态/网格和 egocentric；与 ContactPose [^4]、GRAB [^84]、ARCTIC [^20]、H2O [^47]、OakInk [^92]、TACO [^56] 等相比，本文的接触/压力来自压力传感器而非从姿态推断，且包含第一人称视角。代价是采集依赖实验室多相机 rig、压力板、逐受试者 β 校准和离线优化，场景限于室内、平面、单手，不能直接等价于任意物体上的压力。上述为论文描述；代码/数据是否公开、与 PressureVision++ 的公平可比性仍需外部核实。\n\n\n\n\n\n### 关键图表解读\n\n图2（标注方法总览）：展示 RGB-D 与压力帧输入、HaMeR+SAM 初始化、多视角 DIB-R 优化、以及触控板下方虚拟相机把压力重投影为 UV 纹理。它支撑“无标记、多视角、压力可定位到 3D 手表面”的核心方法主张；限制是总览图不含定量误差，虚拟相机与深度接触项的实际收敛行为需看补充材料与表5/表6。\n表1（数据集对比）：用 frames、participants、hand pose、hand mesh、egocentric、multiview、contact、pressure surface 等列，主张 EgoPressure 是首个同时具备 egocentric、多视角、无标记手姿态/网格和压力面的数据集。它支撑数据集贡献，但这是作者自报的特征矩阵，部分对比项依赖被引数据集的标注口径，未独立审计；表10 是扩展版。\n表2（图像压力基准）：最直接检验“手姿态是否帮助压力估计”。在 ego 与 exo seen/unseen 条件下，加入 2.5D 关节普遍提升 Contact/Vol，尤其在 unseen views 上提升更大（Contact 36.82→43.04，Vol 25.05→31.39）。限制是 ego MAE 未改善（53.60→55.23→53.79），且表题“全数据集 21 人”与补充材料“15 训练/6 测试”冲突；因此只能有条件地支持“姿态互补”，不能证明所有误差指标一致提升。\n表4（PressureFormer 与 UV 指标）：同时列图像指标和 UV 指标，是 UV 压力表示的关键证据。PressureFormer 的 UV Contact 33.12、UV Vol 24.54 明显高于烘焙基线 21.53/24.10 与 16.41/17.36，去掉 L_c 后降到 26.24/18.61；这支持“直接预测 UV 压力可保留 3D 手表面定位”。限制是图像 Vol 31.57 低于 32.11/35.40、图像 MAE 71 差于 44/49、Temp 89 低于 90/92；且基线 UV 结果依赖 HaMeR 网格烘焙，不是同一输出头。\n表7（手姿态人工核验）：用人工标注指甲尖三角化做参考，本文 3D 指尖误差 5.68 mm，HaMeR 12.37 mm，直接支撑标注保真度。限制是只覆盖可见指甲尖、300 组×8 视角、1114 个 3D 点，属于稀疏点验证；不能外推到手掌、遮挡手指或软组织接触面。\n综上，证据最稳的是标注保真度、接触区域与 UV 定位；最弱的是压力幅度、时序一致性和“姿态全面提升”的表述。下一轮评估应围绕数据/代码可复现性、15/6 划分与 MAE 单位、以及 UV 指标是否真正带来 3D 一致性展开。\n\n\n\n\n\n### 术语表\n\nMANO：低维参数化手模型；θ 为关节姿态，β 为形状，t 为平移；本文用 25 个 PCA 分量，并额外优化顶点位移 D_vert。\nUV 纹理/UV 压力图 T_P 或 U：把 3D 网格表面展开到 2D 的参数化；每个 UV 像素对应手表面点，便于把压力贴回 3D 手表面；本文把左手 UV 转成右手格式以便比较。\n图像压力图 P：相机平面上的压力图，直接与输入图像对齐，但存在“压力落在 3D 手哪一面”的歧义；UV 压力是手中心表示。\n2.5D 关键点：把 21 个手关节投到图像平面并附加深度 z（mm）作为额外输入通道；不是完整 3D 网格。\nContact IoU：估计与真值二值接触图的交并比，衡量接触区域。\nVolumetric IoU：逐像素比较压力幅度，按 min 和 max 的求和比计算，兼顾接触与强度。\nMAE：逐像素压力绝对误差；本文表2 与表3/表4 的单位标注不一致（Pa vs kPa），需核实。\nTemporal Accuracy：逐帧接触判断与真值一致的比例，衡量时序稳定性。\nHaMeR：基于 Transformer 的单目 3D 手重建方法；本文用于初始化、预测姿态基线和 PressureFormer 骨干。\nSAM：Segment Anything，本文用 HaMeR 框和 2D 根关节提示生成手部掩码。\nDIB-R：可微渲染器；用于多视角掩码/外观/深度渲染，以及把 UV 压力渲染回图像。\nD_vert：沿顶点法向的偏移量，弥补 MANO 形状与真实手部软组织/接触形变的差异。\nARAP：as-rigid-as-possible 正则，限制顶点位移导致的边长变化，保持局部刚性。\nLaplacian 平滑与法向一致正则：抑制位移后网格出现尖刺或法向翻转。\nDepth culling：用预渲染的触控板/底座深度 D_o 切掉被遮挡的手部渲染；并把触控板碰撞盒加入自交损失，防止手穿板。\nActive IR markers：主动红外标记；本文在压力板周围布置 9 个非对称标记，用于头戴相机 PnP 位姿与多设备同步。\nPTP：Precision Time Protocol，用于两台工作站与 Raspberry Pi CM4 的亚毫秒级时间同步。\nPnP：Perspective-n-Points，由 2D 标记点与已知 3D 布局求相机位姿。\nSlerp：球面线性插值；标记跟踪丢失时用于插值头戴相机姿态。\nPressureFormer：本文提出的 UV 压力估计模型；从 HaMeR 顶点和 ViT 特征预测手网格 UV 压力，再可微渲染回图像。\nPressureVisionNet：PressureVision 的图像压力基线；本文在其编码器上增加 2.5D 手关节通道。\nSenseI Morph：本文使用的压力感应触控板，尺寸 240×169.5 mm，提供压力帧。\nEgocentric / exocentric：第一人称头戴视角 / 第三人称静态外置视角；本文同时提供两者并分别评测。\n\n\n\n\n\n### 全部图表索引\n\n仅索引提供文本中可见的图表；图像本身多为占位，解读以 caption 与正文为据。\n图1 数据集总览（正文，Fig.1）：展示多视角、ego、压力与 UV 纹理；支撑数据集卖点。\n图2 标注方法总览（正文）：核心方法图，解读见 module_d。\n图3 采集 rig（正文）：7 个静态相机+1 个头戴相机的实验室装置。\n图4 头戴相机位姿跟踪（正文）：压力板周围主动 IR 标记布局。\n图5 数据统计（正文）：(a) 手姿态 t-SNE，(b) 每顶点接触比例，(c) 每顶点最大压力，(d) 手势平均长度，(e) β 分布。\n图6 egocentric 姿态缩略图（正文）：不同第一人称手势示例。\n图7 数据样例（正文）：左手/右手标注示例。\n图8 图像压力基线定性结果（正文）：ego 与 seen/unseen 视角对比。\n图9 PressureFormer 架构（正文）：HaMeR 顶点+ViT 特征→UV 压力→可微渲染回图像。\n图10 PressureFormer 定性结果（正文）：与 PressureVision 及 2.5D 基线对比，含 3D 手表面压力。\n图11 带 2.5D 关键点的基线架构（补充）：RGB+深度关键点输入到编码器-解码器。\n图12 图像压力烘焙到 UV 的流程（补充）：翻转法向/z 找不可见面后栅格化。\n图13 L_c 消融定性（补充）：无 UV 监督会在不可渲染区域预测压力。\n图14 UV 压力定性对比（补充）：PressureFormer 与烘焙基线。\n图15 PressureFormer 泛化示例（补充）：未见物体/场景上的定性接触。\n图16 深度剔除示例（补充）：相机7 中拇指被压力板遮挡及切处理。\n图17 人工核验示例（补充）：三角化指甲尖与本文标注重投影。\n图18 HaMeR 微调前后对比（补充）：各相机手姿态细节。\n图19 HaMeR 与本文网格对比（补充）：ego 看似合理但 exo 暴露尺度/关节误差。\n图20 ego 图像基线定性（补充）：加入本文标注与 HaMeR 姿态的对比。\n图21 指甲尖重投影（补充）：人工、本文、HaMeR 三角化对比。\n图22 红外帧中标记可见性（补充）：头戴相机 IR 图像。\n图23 标记辐射强度-角度（补充）：大 beam angle 保证可见性。\n图24 主动标记布局（补充）：9 个标记的非对称索引。\n图25 电气实现（补充）：D 触发器与 MOSFET 控制标记激活。\n图26 同步示意图（补充）：30 Hz 触发、曝光对齐与 t0/t1 校验。\n图27 逐样本定性+误差表（补充）：PressureVision 与本文姿态增强模型的 MAE/Contact IoU。\n图28 seen views 2–5 定性（补充）：同视角训练/验证对比。\n图29 unseen views 1、6、7 定性（补充）：跨视角泛化对比。\n图30 标注示例1（补充）：右手 grasp edge uncurled thumb down。\n图31 标注示例2（补充）：左手 index press high force。\n图32 标注示例3（补充）：左手 pinch thumb down on edge high force。\n图33 标注示例4（补充）：右手 grasp edge curled thumb up。\n图34 标注示例5（补充）：右手 pinch finger zoom in/out。\n图35 标注示例6（补充）：左手 pull all fingers towards participant。\n表1 数据集对比（正文）：EgoPressure 与 ContactLabelDB、PressureVisionDB、ContactPose、GRAB、ARCTIC、H2O、OakInk、DexYCB、HO-3D、TACO 等；解读见 module_d。\n表2 图像压力推理（正文）：ego、exo seen、exo unseen 下 RGB/预测姿态/GT 姿态的 Contact IoU、Vol. IoU、MAE、Temp. Acc.；解读见 module_d。\n表3 PressureFormer 图像指标（正文）：Contact IoU、Vol. IoU、MAE、Temp. Acc.。\n表4 图像+UV 指标与 L_c 消融（补充）：PressureFormer、两个图像基线、w/o L_c；解读见 module_d。\n表5 各阶段损失（补充）：Initial、Pose、Pose+Shape 的 L_D 与 L_M。\n表6 标注消融（补充）：去掉各损失项后的 L_D、L_M、3D tips error。\n表7 手姿态核验（补充）：本文与 HaMeR 的 3D 指尖误差及标准差。\n表8 HaMeR 微调结果（补充）：MPJPE 与重建误差。\n表9 手势列表（补充）：31 种手势、左右手与重复次数。\n表10 扩展数据集对比（补充）：更多 hand-contact 数据集的完整特征矩阵。\n注：提供文本中图像为占位，图内不可读数值未索引；正文所称 appendix 的完整表以表10 为可见版本，补充材料未给独立附录全文。\n\n\n\n\n## 第三轮：评估与复现\n\n\n### 可信度、局限与复现\n\n可信结论：\n\n- 数据集规模与构成有正文与表1支撑：4.3M RGB-D帧、5.0小时、21人、31种手势、6216段序列、7静态+1头戴相机、30Hz、Sensel Morph 240×169.5 mm（Sec.4, Table1）。\n- 标注保真度有较直接证据：表5深度/掩码损失从Initial到Pose+Shape显著下降；表6去掉任一损失项3D指尖误差从5.68 mm升至7.66–8.61 mm；表7本文5.68 mm vs HaMeR 12.37 mm（但仅可见指甲尖、1114个3D点）。\n- 手姿态对压力估计的帮助在跨视角Contact/Vol上较稳：表2 exo unseen Contact 36.82→43.04、Vol 25.05→31.39；但ego MAE 53.60→55.23→53.79，不支持所有指标一致提升。\n- UV压力定位有表4支撑：PressureFormer UV Contact 33.12、UV Vol 24.54，高于烘焙基线21.53/24.10与16.41/17.36；去掉L_c降到26.24/18.61。\n\n证据不足或需核验：\n\n- 「首个」与数据集对比主要依据表1/表10自报特征矩阵，未独立审计。\n- 表2标题称全数据集21人，补充材料7.1.1称15人训练/验证、6人测试；存在划分冲突与泄漏风险，需核对。\n- 表2 MAE标[Pa]，表3/4标[kPa]，数值不可直接比较，疑单位标注问题。\n- PressureFormer并非全面更优：图像Vol 31.57低于32.11/35.40，MAE 71差于44/49，Temp 89低于90/92；其优势主要在UV Contact/Vol与图像Contact IoU。\n- 数据/代码未提供下载链接，论文称录用后公开；项目页未核验。\n\n关键假设与失败场景：压力仅来自平面触控板、室内、单手、0.5 kPa阈值；依赖多相机标定、PTP/IR标记同步、SAM掩码、HaMeR初始化、β逐人校准和DIB-R可微渲染；深度剔除和触控板碰撞盒处理遮挡。失败场景包括严重遮挡/手指穿插、触控板边缘与手掌大面积接触、非平面/可动物体、双手交互、室外光照、压力阈值附近弱接触、跨受试者/跨视角泛化。作者对任意物体的泛化只有图15定性，不能当定量结论。\n\n复现计划：必需物包括公开数据（RGB-D、压力帧、相机内外参、头戴相机位姿、MANO参数/标注）、标注与训练代码、MANO/HaMeR/SAM/DIB-R权重与版本、Sensel Morph标定与同步记录。关键设置：MANO 25 PCA；7静态相机+1 ego；30 Hz；连续B帧；式1–8损失；PressureFormer w1=0.2、w2=0.05；训练Adam batch8、1e-3 100k再1e-4 500k（补充7.1.1/7.3.1）。正文未给标注优化的λM、λA、λD、学习率与迭代数，需代码或补充材料补齐，属于复现阻塞项。\n\n验证步骤：1) 重算数据统计与表1；2) 用同一划分复现表5/6/7，重点检查深度剔除、自交损失、ARAP/Laplacian/法向/offset消融；3) 用参与者不重叠的15/6划分重跑表2与表4，统一MAE单位；4) 复现UV烘焙基线与w/o L_c，并增加跨视角/跨受试者误差；5) 在留出集上测PressureFormer的3D表面接触一致性，而非只看图像Contact IoU。\n\n成功标准：标注3D指尖误差接近5.68 mm量级且消融趋势一致；表2中姿态增强在unseen view的Contact/Vol提升可复现；表4 UV Contact/Vol显著高于烘焙基线且w/o L_c下降；无参与者/视角泄漏；MAE单位与划分明确。若数据或代码不公开，只能做部分复现，结论降级为待验证。\n\n伪代码（标注）：初始化HaMeR与SAM掩码→三角化根关节解尺度→逐人优化β并固定→批B帧优化θ,t（L_pose=L_R+L_insec，含深度剔除/碰撞盒/时间正则）→固定θ,t优化D_vert（L_shape=L_R+L_G+L_tildeR）→虚拟正交相机优化UV压力T_P并约束接触深度→输出θ,t,D_vert,T_P。此伪代码为对Sec.3与补充8.1的整理，不是论文原文。\n\n\n\n\n\n### 应用约束\n\n已展示与推断分开。已展示：采集装置为7个Azure Kinect+1头戴Azure Kinect+Sensel Morph，两个i7-9700K/RTX3070工作站，PTP与Raspberry Pi CM4同步，30Hz；Sense Morph 120fps、约8ms延迟（补充9.4）。数据为室内、平面、单手、四种表面纹理、绿幕背景；0.5 kPa为最小有效压力。训练基线为Adam batch8、1e-3 100k+1e-4 500k迭代；未报告总GPU时、参数量、推理延迟。标注需离线多视角可微渲染优化2,703,617个静态帧，成本高。推断：PressureFormer依赖HaMeR骨干和DIB-R渲染，实时性未证明；实际AR/VR头戴端侧部署需模型压缩与低延迟验证。适用边界：平面触控/桌面交互、机器人模仿学习中的接触先验、第一人称手-表面理解；不适用于任意曲面/可变形物体、双手、室外强光、无标定移动场景。压力幅度与时序指标受阈值和量化类别影响，部署时应重新校准。\n\n\n\n\n\n### 探索问题\n\n1) 划分与单位核验：用参与者不重叠的15/6划分重跑表2/表4，统一MAE为kPa并报告每参与者/每视角结果。收益：确认是否存在泄漏以及姿态增强是否稳健；风险：数据未公开时无法执行，且重划分可能改变结论。\n2) UV监督是否带来真正3D一致性：在相同HaMeR网格上比较PressureFormer、w/o L_c和图像烘焙基线的3D表面接触误差、跨视角重投影一致性、遮挡区域误差。收益：判断UV表示是否优于仅图像Contact IoU；风险：UV GT由平面压力反投影生成，可能自带平面偏置。\n3) 标注失败模式：复现表6并扩展到手掌、遮挡手指和大面积接触，增加人工核验点；测试深度剔除失效、触控板边缘、快速运动。收益：界定5.68 mm指尖误差能否外推到全手；风险：人工3D真值昂贵且可见点稀疏。\n\n\n\n\n\n### 引用与核验\n\n核查范围：仅基于所给论文正文、补充材料与参考文献列表；未联网访问项目页、代码库或原文，因此外部事实均标为待核验。\n\n- 新颖性与最强对比主要依赖[^24] PressureVision、[^25] PressureVision++、[^4] ContactPose、[^84] GRAB、[^20] ARCTIC、[^47] H2O、[^92] OakInk、[^56] TACO；表1/表10的对比项为作者自报，未逐项核对被引数据集的标注口径。\n- 方法依赖[^67] HaMeR、[^73] MANO、[^46] SAM、[^9] DIB-R、[^41] Sensel Morph；这些是实现复现的关键外部依赖，版本与权重未在文中给出。\n- 内部引用/符号有不一致：Fig.20 caption把HaMeR标为[^73]（[^73]为MANO）；正文虚拟渲染目标一处写作L_tildeG、公式为L_tildeR；表2 MAE[Pa]与表3/4[kPa]冲突；表2题注21人与补充7.1.1的15/6划分冲突。\n- 发表信息：正文未给会议/期刊与日期，项目页仅给出URL；代码/数据称录用后公开，当前不可核验。\n- 其余引用（如[^1] Azure Kinect、[^41] Sensel Morph、[^16] Laplacian、[^79] ARAP等）按 peripheral 处理，未逐一核查；若用于复现需查原始文档。\n\n\n\n\n\n### 最终判断\n\n总体判断：这篇论文最值得信任的是数据集规模/采集流程与多视角标注保真度的证据，以及UV压力定位这一表示带来的有条件优势；最不应直接引用的是「压力与姿态全面互补」「PressureFormer全面更优」「首个」等强主张，它们受划分冲突、单位不一致、基线不同架构和缺少公开数据/代码限制。使用建议：把它作为第一人称手-平面压力数据集与基准来读，优先采用表5–7的标注证据和表2 unseen view的趋势；涉及压力幅度、时序和跨物体泛化时降级为待验证。下一步：获取公开数据与代码后，先复核15/6划分和MAE单位，再重跑表2/表4关键行。"
}