Hand3D：基于3D神经网络的手部姿态估计
计算机视觉与模式识别
2017-04-10 v1
摘要
我们提出了一种新颖的3D神经网络架构，用于从单张深度图像进行3D手部姿态估计。与以往大多在2D深度图像域上运行并需要中间或后处理以引入来自3D空间监督的工作不同，我们将深度图转换为3D体素表示，并将其输入3D卷积神经网络(CNN)以直接生成3D姿态，无需进一步处理。我们的系统不需要真实值参考点进行初始化，并且我们的网络架构自然融合了3D空间中的局部特征与全局上下文。为了增加训练数据的手部姿态空间覆盖度，我们通过从现有真实图像数据集迁移手部姿态来渲染合成深度图像。我们在两个公开基准上评估了我们的算法，并达到了最先进的性能。合成手部姿态数据集将公开可用。
引用
@article{arxiv.1704.02224,
title = {Hand3D: Hand Pose Estimation using 3D Neural Network},
author = {Xiaoming Deng and Shuo Yang and Yinda Zhang and Ping Tan and Liang Chang and Hongan Wang},
journal= {arXiv preprint arXiv:1704.02224},
year = {2017}
}