面向精细手物重建的动态双曲注意力网络

从单张RGB图像中重建三维物体与手部十分复杂。现有方法依赖在欧氏空间中人工定义的手物约束，导致特征学习次优。与欧氏空间相比，双曲空间因其指数增长的空间距离能更好地保留网格的几何属性，并基于相似性放大特征间的差异。本文提出首个双曲空间中的精细手物重建方法，即动态双曲注意力网络(DHANet)，其利用双曲空间的内在属性学习具代表性的特征。该方法将网格与图像特征投影至统一双曲空间，包含两个模块：动态双曲图卷积与图像注意力双曲图卷积。借助这两个模块，方法学习富含几何-图像多模态信息的网格特征，并更好地建模手物交互。该方法为双曲空间中的精细手物重建提供了有前景的替代方案。在三个公开数据集上的大量实验表明，本方法优于多数当前最优方法。