BigHand2.2M基准：手部姿态数据集与最先进分析
计算机视觉与模式识别
2017-12-12 v2
摘要
在本文中，我们介绍了一个使用新颖捕获方法收集的大规模手部姿态数据集。现有数据集要么是合成生成的，要么是使用深度传感器捕获的：合成数据集与真实深度图像表现出一定程度的外观差异，而真实数据集在数量和覆盖面上有限，主要由于标注困难。我们提出了一种带有六个6D磁传感器和逆运动学的跟踪系统，以自动获取深度图的21关节手部姿态标注，且对运动范围限制最小。捕获协议旨在完全覆盖自然手部姿态空间。如嵌入图所示，与现有基准相比，新数据集表现出显著更宽且更密集的手部姿态范围。当前最先进的方法在该数据集上进行了评估，我们展示了跨基准性能的显著提升。我们还展示了通过使用在新数据集上训练的CNN，以自我为中心的手部姿态估计的显著改进。
引用
@article{arxiv.1704.02612,
title = {BigHand2.2M Benchmark: Hand Pose Dataset and State of the Art Analysis},
author = {Shanxin Yuan and Qi Ye and Bjorn Stenger and Siddhant Jain and Tae-Kyun Kim},
journal= {arXiv preprint arXiv:1704.02612},
year = {2017}
}