HMTNet：基于手部形态拓扑的单张深度图三维手姿估计
机器人学
2019-11-13 v1 人机交互
摘要
得益于 CNN 与深度传感器的快速发展，三维手姿估计已取得巨大进展。然而，由于手部环境杂乱及严重自遮挡，该问题仍远未解决。本文中，我们提出一种利用人手形态拓扑（HMT）结构来提升姿态估计性能的方法。我们工作的主要贡献如下。首先，为提取更强大的特征，我们将初始特征提取模块的原始层与最后一层拼接以更好地保留手部信息。其次，提出受手部形态拓扑启发的回归模块。在该子模块中，我们根据手部关节分布设计树状网络结构，以利用手部关节的高阶依赖性。最后，我们在各数据集上进行了充分的消融实验来验证所提方法。在三个流行手姿数据集上的实验结果表明，与最先进方法相比，我们的方法具有更优性能。在 ICVL 与 NYU 数据集上，我们的方法相较 2D 最先进方法有很大提升。在 MSRA 数据集上，我们的方法达到了与最先进方法相当的精度。总之，我们的方法是最有效的方法，在单 GPU 上以 220:7 fps 运行，优于当前近似精确的方法。代码将公开于。
引用
@article{arxiv.1911.04930,
title = {HMTNet:3D Hand Pose Estimation from Single Depth Image Based on Hand Morphological Topology},
author = {Weiguo Zhou and Xin Jiang and Chen Chen and Sijia Mei and Yun-Hui Liu},
journal= {arXiv preprint arXiv:1911.04930},
year = {2019}
}