FastV2C-HandNet：基于三维卷积神经网络的快速体素到坐标手部姿态估计
计算机视觉与模式识别
2020-02-21 v3 人机交互
机器学习
图像与视频处理
摘要
从单目深度图像进行手部姿态估计一直是计算机视觉领域一个重要且具挑战性的问题。本文中，我们提出一种从二维深度图像估计三维手部关节位置的新方法。与多数先前方法不同，我们的模型从深度图像中捕获三维空间信息，从而使其对输入有更充分的理解。我们将输入深度图体素化以捕获输入的三维特征，并执行三维数据增强以使我们的网络对真实图像具有鲁棒性。我们的网络以端到端方式训练，与其他方法相比显著降低了时间与空间复杂度。通过大量实验，我们表明我们的模型在训练与预测三维手部关节位置所需时间上均优于当前最优（SOTA）方法。这使得我们的方法更适用于真实场景下的手部姿态估计。
引用
@article{arxiv.1907.06327,
title = {FastV2C-HandNet: Fast Voxel to Coordinate Hand Pose Estimation with 3D Convolutional Neural Networks},
author = {Rohan Lekhwani and Bhupendra Singh},
journal= {arXiv preprint arXiv:1907.06327},
year = {2020}
}
备注
13 pages, 5 figures, 2 tables