基于上下文感知深度时空网络从深度图像估计手部姿态
计算机视觉与模式识别
2019-09-06 v1
摘要
作为计算机视觉中一个基础且具有挑战性的问题，手部姿态估计旨在从深度图像中估计手部关节位置。通常，该问题被建模为以数据驱动方式从图像到手部关节坐标的映射函数学习。本文中，我们提出上下文感知深度时空网络（CADSTN），一种联合建模时空特性用于手部姿态估计的新方法。我们所提网络能够从图像序列中学习空间信息与时域结构的表示。此外，通过采用自适应融合方法，模型能够动态加权不同预测以强调充分上下文。我们的方法在两个常用基准上进行了检验，实验结果表明所提方法取得了与state-of-the-art方法相当的最佳或次佳性能，并以60fps运行。
引用
@article{arxiv.1810.02994,
title = {Context-Aware Deep Spatio-Temporal Network for Hand Pose Estimation from Depth Images},
author = {Yiming Wu and Wei Ji and Xi Li and Gang Wang and Jianwei Yin and Fei Wu},
journal= {arXiv preprint arXiv:1810.02994},
year = {2019}
}
备注
IEEE Transactions On Cybernetics