用于二维手部姿态估计的自适应图模型网络
计算机视觉与模式识别
2023-05-01 v2
摘要
本文中，我们提出一种称为自适应图模型网络（AGMN）的新架构，以解决从单目 RGB 图像进行二维手部姿态估计的任务。AGMN 由两支深度卷积神经网络组成，用于计算一元势函数和成对势函数，随后接一个图模型推断模块以整合一元和成对势。与现有将 DCNN 与图模型结合的架构不同，我们的 AGMN 新颖之处在于其图模型的参数以输入图像为条件并完全自适应于各个输入图像。实验表明，我们的方法在两个公开数据集上以显著优势优于二维手部关键点估计中使用的 SOTA 方法。代码见 https://github.com/deyingk/agmn。
引用
@article{arxiv.1909.08205,
title = {Adaptive Graphical Model Network for 2D Handpose Estimation},
author = {Deying Kong and Yifei Chen and Haoyu Ma and Xiangyi Yan and Xiaohui Xie},
journal= {arXiv preprint arXiv:1909.08205},
year = {2023}
}
备注
30th British Machine Vision Conference (BMVC)