基于多视角自助法的单幅图像手部关键点检测
计算机视觉与模式识别
2017-04-26 v1
摘要
我们提出一种利用多相机系统训练细粒度关键点检测器的方法，这些关键点易于遮挡，例如手的关节。我们称此过程为多视角自助法（multiview bootstrapping）：首先，使用初始关键点检测器在手的多个视图中产生噪声标签。然后利用多视图几何将噪声检测结果在三维中进行三角测量，或标记为离群点。最后，重投影的三角测量结果被用作新的标注训练数据以改进检测器。我们重复此过程，在每次迭代中生成更多标注数据。我们解析地推导了一个结果，将实现给定检测器目标真阳性率与假阳性率所需的最小视图数关联起来。该方法用于训练单幅图像的手部关键点检测器。所得关键点检测器在 RGB 图像上实时运行，且精度可与使用深度传感器的方法相媲美。单视图检测器在多个视图上三角测量后，支持具有复杂物体交互的无标记三维手部运动捕捉。
引用
@article{arxiv.1704.07809,
title = {Hand Keypoint Detection in Single Images using Multiview Bootstrapping},
author = {Tomas Simon and Hanbyul Joo and Iain Matthews and Yaser Sheikh},
journal= {arXiv preprint arXiv:1704.07809},
year = {2017}
}
备注
CVPR 2017