基于深度的手姿估计：方法、数据与挑战
计算机视觉与模式识别
2015-05-08 v2
摘要
近年来手姿估计迅速成熟。商品深度传感器的引入和大量实际应用推动了新的进展。我们提供了对最先进技术的广泛分析，专注于从单张深度帧进行手姿估计。为此，我们实现了相当数量的系统，并将发布所有软件和评估代码。我们在此总结重要结论：(1) 对于孤立手部的场景，姿态估计似乎已基本解决。然而，方法仍然难以分析手部可能与附近物体和表面交互的杂乱场景。为刺激进一步进展，我们引入了一个具有多样化杂乱场景的极具挑战性的新数据集。(2) 许多方法用不同标准评估自身，使得比较困难。我们定义了受人类实验严格驱动的连贯评估标准。(3) 我们引入了一个简单的近邻基线，其性能优于大多数现有系统。这意味着大多数系统不能泛化到其训练集之外。这也强化了未被充分重视的一点，即训练数据与模型本身同样重要。我们以未来进展的方向作结。
引用
@article{arxiv.1504.06378,
title = {Depth-based hand pose estimation: methods, data, and challenges},
author = {James Steven Supancic and Gregory Rogez and Yi Yang and Jamie Shotton and Deva Ramanan},
journal= {arXiv preprint arXiv:1504.06378},
year = {2015}
}