DenseAttentionSeg：利用深度输入从交互物体中分割手部
计算机视觉与模式识别
2020-12-08 v2
摘要
我们提出一种基于实时 DNN 的技术，从深度输入中分割交互运动中的手与物体。我们的模型称为 DenseAttentionSeg，其包含密集注意力机制以融合不同尺度信息，并通过跳跃连接提升结果质量。此外，我们在模型训练中引入轮廓损失（contour loss），有助于生成准确的手与物体边界。最后，我们提出并发布 InterSegHands 数据集，一个包含约 52k 张手-物交互深度图的精细手部分割数据集。我们的实验评估了技术与数据集的有效性，并指出我们的方法在交互分割上优于当前 state-of-the-art (SOTA，最先进) 深度分割方法。
引用
@article{arxiv.1903.12368,
title = {DenseAttentionSeg: Segment Hands from Interacted Objects Using Depth Input},
author = {Zihao Bo and Hao Zhang and Junhai Yong and Feng Xu},
journal= {arXiv preprint arXiv:1903.12368},
year = {2020}
}