面向贝叶斯三维手部姿态估计的主动学习
计算机视觉与模式识别
2021-02-23 v2 机器学习
机器人学
摘要
我们提出一种用于三维手部姿态估计的深度学习架构的贝叶斯近似。通过该框架，我们探索并分析了受数据或学习能力影响的两类不确定性。此外，我们在三个常用基准上对照标准估计器进行了比较。第一个贡献在于超越基线，第二部分我们探讨了主动学习应用。我们还表明，借助新提出的采集函数，我们的贝叶斯三维手部姿态估计器以最少的数据量获得了最低误差。底层代码公开于 https://github.com/razvancaramalau/al_bhpe。
引用
@article{arxiv.2010.00694,
title = {Active Learning for Bayesian 3D Hand Pose Estimation},
author = {Razvan Caramalau and Binod Bhattarai and Tae-Kyun Kim},
journal= {arXiv preprint arXiv:2010.00694},
year = {2021}
}
备注
Accepted at WACV 2021