利用不确定性的混合单次三维手姿态估计

基于模型的3D手部跟踪方法已被证明在多种场景下表现良好。然而，它们需要初始化，且难以从因快速手部运动发生的跟踪失败中恢复。另一方面，数据驱动方法能快速给出解，但结果常与基于模型方法所得结果相比精度较低或缺乏解剖有效性。本工作中，我们提出一种从单张深度图进行手姿态估计的混合方法。首先，采用一个学习到的回归器为每个手关节的3D位置提供多个初始假设。随后，通过刻意利用推断关节提议的固有不确定性，求得三维手模型的运动学参数。以此方式，该方法提供解剖有效且精确的解决方案，且无需手动初始化或遭受跟踪丢失。在若干标准数据集上的定量结果表明，所提方法优于基于模型、数据驱动和混合范式的当前最优代表。