利用判别性显著点与物理仿真捕捉动作中的手
计算机视觉与模式识别
2016-03-29 v4
摘要
手部运动捕捉是一个热门研究领域，近来由于 RGB-D 传感器的普及而受到更多关注。然而，即便是最近期的方法也聚焦于单只孤立手的情况。在本工作中，我们关注与其他手或物体交互的手，并提出了一种框架，该框架成功捕捉此类交互场景中关于刚性与铰接物体的运动。我们的框架将生成模型与判别性训练的显著点相结合，以实现低跟踪误差，并结合碰撞检测与物理仿真，以在遮挡和视觉数据缺失情况下也能得到物理上合理的估计。由于所有组件统一在一个几乎处处可微的单一目标函数中，因此可使用标准优化技术进行优化。我们的方法适用于单目 RGB-D 序列以及配备多个同步 RGB 相机的设置。对于定性与定量评估，我们捕捉了 29 个序列，包含大量不同的交互以及多达 150 个自由度。
引用
@article{arxiv.1506.02178,
title = {Capturing Hands in Action using Discriminative Salient Points and Physics Simulation},
author = {Dimitrios Tzionas and Luca Ballan and Abhilash Srikantha and Pablo Aponte and Marc Pollefeys and Juergen Gall},
journal= {arXiv preprint arXiv:1506.02178},
year = {2016}
}
备注
Accepted for publication by the International Journal of Computer Vision (IJCV) on 16.02.2016 (submitted on 17.10.14). A combination into a single framework of an ECCV'12 multicamera-RGB and a monocular-RGBD GCPR'14 hand tracking paper with several extensions, additional experiments and details