使用RGB-D传感器捕获手部运动，融合生成模型与显著点

手部运动捕获近年来在全身姿态跟踪成功后成为活跃的研究课题。尽管存在相似性，手部跟踪被证明更具挑战性，其特点包括更高维度、严重的遮挡以及手指间的自相似性。因此，大多数方法依赖于强假设，如孤立的手或昂贵的多次相机系统，限制了实际用途。在本工作中，我们提出一种手部跟踪框架，仅使用单个廉价的RGB-D相机即可捕获两只交互手的运动。我们的方法将生成模型与碰撞检测以及判别学习的显著点相结合。我们在14个具有挑战性交互的新序列上定量评估了我们的方法。