Silhouette-Net：基于轮廓的 3D 手部姿态估计
计算机视觉与模式识别
2020-01-01 v1
摘要
3D 手部姿态估计因其广泛的应用而受到大量关注，并得益于深度学习的发展取得了巨大进步。现有方法主要考虑不同的输入模态与设置，例如单目 RGB、多视角 RGB、深度或点云，以提供充足线索来解决由自遮挡与视角变化引起的差异。相比之下，本工作旨在探讨利用最少信息估计 3D 手部姿态这一较少被探索的思路。我们提出了一种新架构，可从隐式深度感知中自动学习引导，并通过端到端训练解决手部姿态的歧义性。实验结果表明，仅从手部轮廓即可准确估计 3D 手部姿态，无需使用深度图。在 2017 Hands In the Million Challenge (HIM2017) 基准数据集上的大量评估进一步表明，我们的方法取得了与近期基于深度的方法相当甚至更优的性能，并且作为从轮廓估计 3D 手部姿态的同类方法中当前最优（state-of-the-art）的方法。
引用
@article{arxiv.1912.12436,
title = {Silhouette-Net: 3D Hand Pose Estimation from Silhouettes},
author = {Kuo-Wei Lee and Shih-Hung Liu and Hwann-Tzong Chen and Koichi Ito},
journal= {arXiv preprint arXiv:1912.12436},
year = {2020}
}