LG-Hand：利用局部与全局运动学知识推进三维手部姿态估计
计算机视觉与模式识别
2022-11-08 v1
摘要
从RGB图像进行三维手部姿态估计面临着获取深度信息的困难。因此，大量研究致力于从二维手部关节估计三维手部姿态。本文利用时空图卷积神经网络的优势，提出了LG-Hand，一种用于三维手部姿态估计的强大方法。我们的方法将空间和时间依赖关系整合到单一过程中。我们认为运动学信息起着重要作用，有助于提升三维手部姿态估计的性能。为此，我们引入了两个新的目标函数——角度损失和方向损失，以考虑手部结构。角度损失涵盖局部运动学信息，而方向损失处理全局运动学信息。我们的LG-Hand在第一人称手部动作基准（FPHAB）数据集上取得了有前景的结果。我们还进行了消融实验以证明所提出的两个目标函数的有效性。
引用
@article{arxiv.2211.03151,
title = {LG-Hand: Advancing 3D Hand Pose Estimation with Locally and Globally Kinematic Knowledge},
author = {Tu Le-Xuan and Trung Tran-Quang and Thi Ngoc Hien Doan and Thanh-Hai Tran},
journal= {arXiv preprint arXiv:2211.03151},
year = {2022}
}