学习用于3D手部姿态估计的相关性感知偶然不确定性
计算机视觉与模式识别
2025-09-03 v1
摘要
3D手部姿态估计是理解人手的一项基本任务。然而，由于手部运动的复杂性、自相似性以及频繁的遮挡，准确估计3D手部姿态仍然具有挑战性。在这项工作中，我们解决了两个局限性：现有3D手部姿态估计方法无法估计偶然（数据）不确定性，以及缺乏融合关节相关性知识的不确定性建模，而这一点尚未得到深入研究。为此，我们将偶然不确定性建模引入到3D手部姿态估计框架中，旨在实现关节相关性建模与计算效率之间更好的权衡。我们提出了一种新颖的参数化方法，利用单个线性层来捕获手部关节之间的内在相关性。这是通过将手部关节输出空间公式化为一个概率分布来实现的，从而使线性层能够捕获关节相关性。我们提出的参数化方法用作任务头层，并且可以作为附加模块应用于现有模型之上。我们的实验表明，我们用于不确定性建模的参数化方法优于现有方法。此外，配备了我们不确定性头的3D手部姿态估计模型在3D手部姿态估计中取得了良好的精度，同时为模型引入了新的不确定性建模能力。项目页面见https://hand-uncertainty.github.io/。
引用
@article{arxiv.2509.01242,
title = {Learning Correlation-aware Aleatoric Uncertainty for 3D Hand Pose Estimation},
author = {Lee Chae-Yeon and Nam Hyeon-Woo and Tae-Hyun Oh},
journal= {arXiv preprint arXiv:2509.01242},
year = {2025}
}
备注
BMVC 2025. Project page: https://hand-uncertainty.github.io/