본 논문은 손 그림자 예술에서 주어진 목표 형태에 가장 잘 맞는 왼손과 오른손의 자세를 찾는 역문제를 연구합니다. 3D 손 자세의 설계 공간은 해부학적 제약으로 인해 방대하지만 제한적이라는 점과, 입력이 무채색이고 질감이 없음에도 불구하고 입력 형태와 중요한 특징에 주의해야 한다는 점 때문에 이 문제는 단순하지 않습니다. 이러한 어려움을 해결하기 위해, 본 논문에서는 해부학적 제약(손으로)과 의미론적 제약(그림자 형태로)을 분리하는 3단계 파이프라인인 Hand-Shadow Poser를 설계합니다. 이는 (i) 다양하지만 합리적인 왼손/오른손 형태 가설을 탐색하는 생성적 손 할당 모듈, (ii) 가설 선택을 위한 유사성 기반 전략으로 대략적인 손 자세를 추론하는 일반화된 손 그림자 정렬 모듈, 그리고 (iii) 물리적 타당성과 그림자 특징 보존을 위해 손 자세를 최적화하는 그림자 특징 인식 개선 모듈로 구성됩니다. 또한, 특수한 훈련 데이터 세트 없이 일반적인 공개 손 데이터로 훈련할 수 있도록 파이프라인을 설계했습니다. 방법 검증을 위해 다양한 복잡성을 가진 210개의 다양한 그림자 형태의 벤치마크와 DINOv2 기반 평가 지표를 포함한 포괄적인 지표 세트를 구축했습니다. 다양한 기준선과 사용자 연구를 통한 광범위한 비교를 통해, 본 연구의 접근 방식은 벤치마크 사례의 85% 이상에서 다양한 손 형태에 대한 양손 자세를 효과적으로 생성하는 것으로 나타났습니다.
