4D-HOF: Hand-Object Flow Matching for Feed-Forward 4D Interaction Reconstruction

我们引入4D-HOF，一种前向框架，从视觉基础模型生成的粗略但信息丰富的估计中重建4D手-物体交互。具体而言，我们学习一个条件流匹配模型，将基础模型衍生的手-物体状态向交互流形传输，使模型以前向方式修正翻译、旋转和对齐错误。我们的生成形式的关键优势在于，它自然地在传输过程中实现测试时间引导。