단일 RGB 이미지로부터 손 메쉬를 재구성하는 것은 손이 다른 물체에 의해 자주 가려지기 때문에 어려운 작업입니다. 기존의 대부분의 연구는 3D 재구성 성능 향상을 위해 추가 정보를 탐색하고 어텐션 메커니즘을 채택하려고 시도했지만, 이는 계산 복잡도를 동시에 증가시킵니다. 높은 계산 효율성을 가진 성능 유지를 달성하기 위해, 본 연구에서는 손 메쉬 재구성 작업에 상태 공간 모델을 통합한 최초의 간단하지만 효과적인 3D 손 메쉬 재구성 네트워크(HandS3C)를 제안합니다. 네트워크에서 유효 수용 영역을 확장하고, 공간 차원에서 손 특징을 추출하며, 채널 차원에서 손의 지역적 특징을 향상시키는 새로운 상태 공간 공간-채널 어텐션 모듈을 설계했습니다. 이는 완전하고 상세한 손 메쉬를 재구성하는 데 도움이 됩니다. FREIHAND, DEXYCB, HO3D와 같이 심각한 폐색에 직면하는 잘 알려진 데이터 세트에서 수행된 광범위한 실험은 제안된 HandS3C가 최소한의 매개변수를 유지하면서 최첨단 성능을 달성함을 보여줍니다.
