MS-MANO：结合生物力学约束实现手部姿态追踪
计算机视觉与模式识别
2024-04-17 v1 机器人学
摘要
本工作提出了一种新颖的视觉手部动力学分析学习框架，该框架考虑了手部运动的生理学方面。现有模型是简化的关节驱动系统，常常产生不自然的运动。为了解决这个问题，我们将一个肌肉骨骼系统与一个可学习的参数化手部模型 MANO 相结合，创建了一个新模型 MS-MANO。该模型模拟肌肉和肌腱的动力学来驱动骨骼系统，对产生的力矩轨迹施加生理上真实的约束。我们进一步提出了一个仿真在环的姿态优化框架 BioPR，该框架通过一个多层感知机（MLP）网络来优化初始估计的姿态。我们对 MS-MANO 的准确性和 BioPR 的有效性评估分两部分进行。MS-MANO 的准确性与 MyoSuite 进行比较，而 BioPR 的有效性则在两个大规模公开数据集和两种最新的最先进方法上进行了基准测试。结果表明，我们的方法在定量和定性上都持续改进了基线方法。
引用
@article{arxiv.2404.10227,
title = {MS-MANO: Enabling Hand Pose Tracking with Biomechanical Constraints},
author = {Pengfei Xie and Wenqiang Xu and Tutian Tang and Zhenjun Yu and Cewu Lu},
journal= {arXiv preprint arXiv:2404.10227},
year = {2024}
}
备注
11 pages, 5 figures; CVPR 2024