Ego2Hands：一个用于以自我为中心的双手分割与检测的数据集
计算机视觉与模式识别
2021-12-24 v4
摘要
在真正无约束的基于 RGB 的设置中进行手部分割与检测对许多应用十分重要。然而，由于大量分割与检测数据手动标注的不可行性，现有数据集在规模和多样性上远不充分。因此，当前方法受到许多潜在假设的限制，如受限环境、一致肤色和光照。本工作中，我们提出 Ego2Hands，一个大规模的基于 RGB 的以自我为中心的手部分割/检测数据集，其为半自动标注，并提出了一种基于颜色不变合成的能生成大量且多样训练数据的数据生成技术。为定量分析，我们手动标注了一个在数量、多样性和标注精度上显著超越现有基准的评测集。我们提供了跨数据集评估以及对最先进模型在 Ego2Hands 上性能的透彻分析，表明我们的数据集和数据生成技术可产出无需域适应即可泛化到未见环境的模型。
引用
@article{arxiv.2011.07252,
title = {Ego2Hands: A Dataset for Egocentric Two-hand Segmentation and Detection},
author = {Fanqing Lin and Brian Price and Tony Martinez},
journal= {arXiv preprint arXiv:2011.07252},
year = {2021}
}