空间落地手势生成基准

研究者提出空间落地手势生成基准，含约 2K 条来自自然 VR 对话的指向标注片段与真实 3D 指涉对象，要求系统判断何时、如何及在何处指向，并分离时间对齐、空间落地与自然度三项评估。该基准提供流匹配基线 MM-Conv-Flow，与独立检索系统和真人动作对比后发现，几何落地可超过真人指向但自然度并无提升。这是 ECCV 2026 HSI Workshop 指涉手势挑战赛基准。