EventEgoHands++：基於事件相機的穿戴式 3D 手部網格重建框架與新資料集
為何重要
超越傳統視覺技術，事件相機解決了低光照與運動模糊問題，為未來穿戴式裝置與機器人互動帶來更高動態範圍的可能性；儘管本研究在架構與資料建置上具技術深度，但目前仍停留於演算法與資料整合熟階段，距離商業化落地仍有距離。
3D 手部網格重建對 HRI 與 AR/VR 至關重要，但在低光環境下傳統相機受限，且穿戴者的運動易產生背景噪點；本研究提出 EventEgoHands++ 框架，主要解決事件相機在動態場景中無法區分左右手的辨識問題。
- 引入 Hand Detector 三維偵測器，生成左右手的例項層級邊界框與遮罩，取代原先無法區分的二值化遮罩。
- 設計 Adaptive Attention 機制，依據手部偵測結果動態調整注意力，精準學習手部間的幾何關係與互動。
- 發布 EEH-R 真實世界資料集，收錄約 100 萬 標註畫格，是目前規模最大的穿戴式事件視角手部資料集。