五指分工各学各的
将全手姿态解耦为逐指子任务并配以残差特征共享，实现对每根手指关节更细致的3D建模。
Tekie Tsegay, Tewolde · Asghar, Manjotho Ali · Sarker, Prodip Kumar · 牛振东
Neural Networks 2025
为每根手指和手掌各分配一个子任务，独立提取并强化其专属特征，使模型能捕捉各手指关节间的精细关联，而非被全手共享特征所淹没。
通过残差特征共享机制从所有子任务中挖掘补充信息并放大，每个子任务在保留自身特征的同时获得全局上下文，避免单指建模的信息孤立。
在 ICVL、NYU、MSRA、Hands-2019-Task1 和 HO3D-v3 五个挑战性数据集上均取得显著精度提升，证明方法在不同采集条件和手型分布下具有鲁棒性。