用于联合手-物姿态估计的广义反馈循环
计算机视觉与模式识别
2019-03-27 v1
摘要
我们提出一种给定深度图像估计手部(可能正操控物体)3D姿态的方法。我们展示可利用反馈循环修正由训练用于预测3D姿态估计值的卷积神经网络(CNN)所犯的错误。该反馈循环的组件亦为深度网络,并使用训练数据优化。此方法可推广至与物体交互的手部。因此,我们联合估计手部的3D姿态与物体的3D姿态。我们的方法在3D手部姿态估计上与最先进(state-of-the-art)方法表现相当,并在仅使用深度图像时优于联合手-物姿态估计的最先进方法。此外,我们的方法高效,其实现在单块GPU上实时运行。
引用
@article{arxiv.1903.10883,
title = {Generalized Feedback Loop for Joint Hand-Object Pose Estimation},
author = {Markus Oberweger and Paul Wohlhart and Vincent Lepetit},
journal= {arXiv preprint arXiv:1903.10883},
year = {2019}
}
备注
arXiv admin note: substantial text overlap with arXiv:1609.09698