用于手形估计的对比表示学习
计算机视觉与模式识别
2021-07-05 v2
摘要
本工作通过建立在近期无监督学习进展之上，改进了单目手形估计。我们扩展了动量对比学习，并贡献了一个结构化的手部图像集合，非常适于视觉表示学习，称之为HanCo。我们发现，利用先进的背景去除技术与多视角信息，可显著改进已有对比学习方法学到的表示。这些使我们能生成比基于样本方法中常用增强所获得的更为多样的实例对。我们的方法带来了更适于手形估计任务的表示，与ImageNet预训练基线相比，网格误差降低4.7%，F-score提升3.6%。我们公开了基准数据集，以鼓励该方向的进一步研究。
引用
@article{arxiv.2106.04324,
title = {Contrastive Representation Learning for Hand Shape Estimation},
author = {Christian Zimmermann and Max Argus and Thomas Brox},
journal= {arXiv preprint arXiv:2106.04324},
year = {2021}
}