面向增强手部姿态估计的分段架构EHPE
计算机视觉与模式识别
2025-07-22 v2
摘要
3D手部姿态估计因其在人机交互、虚拟现实等相关领域的关键应用而备受关注。 accurate estimation of hand joints对于实现高质量的手部姿态估计至关重要。然而，现有方法忽视了远端指节尖端 (TIP) 和腕部在预测整体手部关节中的重要性，往往未能 account for error accumulation在手势估计中对远端关节的影响，这会导致某些关节产生更大误差，造成姿态估计中的错位和制 artifact，降低整体重建质量。为此，我们提出了一种新颖的分段架构用于增强手部姿态估计 (EHPE)。我们对TIP和腕部进行局部提取，从而减轻error accumulation对TIP预测的影响，并在此基础上进一步降低整体关节的预测误差。EHPE包含两个关键阶段：在TIP和腕关节提取阶段 (TW阶段)，估计TIP和腕关节的位置以提供初始准确的关节配置；在先验引导关节估计阶段 (PG阶段)，采用双分支交互网络来细化剩余关节的位置。广泛的在两个广泛使用的基准数据集上的实验表明，EHPE实现了最新的性能。代码已提供给 https://github.com/SereinNout/EHPE。
引用
@article{arxiv.2507.09560,
title = {EHPE: A Segmented Architecture for Enhanced Hand Pose Estimation},
author = {Bolun Zheng and Xinjie Liu and Qianyu Zhang and Canjin Wang and Fangni Chen and Mingen Xu},
journal= {arXiv preprint arXiv:2507.09560},
year = {2025}
}