基于生成模型的损失来救援：一种克服基于深度的手姿估计中标注错误的方法
计算机视觉与模式识别
2021-06-01 v2
摘要
我们提出使用基于模型的生成损失，在基于体积手模型深度图像上训练手姿估计器。该附加损失使得仅使用 6 个易于标注的关键点（指尖和手腕）的监督，即可训练出能准确推断全部 21 个手部关键点的手姿估计器。我们表明，我们的部分监督方法取得了与强制关节一致性的全监督方法相当的结果。此外，我们首次证明这种方法可用于在具有错误标注（即带有显著测量误差的“真值”）的数据集上训练，同时获得比给定“真值”更能解释深度图像的预测。
引用
@article{arxiv.2007.03073,
title = {Generative Model-Based Loss to the Rescue: A Method to Overcome Annotation Errors for Depth-Based Hand Pose Estimation},
author = {Jiayi Wang and Franziska Mueller and Florian Bernard and Christian Theobalt},
journal= {arXiv preprint arXiv:2007.03073},
year = {2021}
}