AWR：用于三维手姿估计的自适应加权回归
计算机视觉与模式识别
2020-07-21 v1 机器学习
图像与视频处理
摘要
本文提出一种自适应加权回归（AWR）方法，以兼顾基于检测与基于回归方法的优势。手部关节坐标估计为稠密表示中所有像素的离散积分，由自适应权重图引导。该可学习的聚合过程引入了稠密与关节双重监督，允许端到端训练并赋予权重图适应性，使网络更精确鲁棒。我们进行了全面的探索实验，以在各种实验设置下验证AWR的有效性与通用性，尤其是其对不同类型稠密表示与输入模态的效用。我们的方法在四个公开数据集（包括NYU、ICVL、MSRA与HANDS 2017数据集）上优于其他SOTA方法。
引用
@article{arxiv.2007.09590,
title = {AWR: Adaptive Weighting Regression for 3D Hand Pose Estimation},
author = {Weiting Huang and Pengfei Ren and Jingyu Wang and Qi Qi and Haifeng Sun},
journal= {arXiv preprint arXiv:2007.09590},
year = {2020}
}
备注
Accepted by AAAI-2020