用于层次混合手姿估计的空间注意力深度网络与部分PSO
计算机视觉与模式识别
2016-10-21 v2
摘要
判别方法常生成运动学上不合理的手势，随后在混合方法中采用生成方法来纠正（或验证）这些结果。在层次结构中估计3D手势，即将高维输出空间分解为若干较小空间，已被证明有效。现有层次方法主要关注输出空间的分解，而输入空间在层次中几乎保持不变。本文提出一种混合手姿估计方法，通过空间注意力机制将运动学层次策略应用于判别方法的输入空间（以及输出空间），并通过层次粒子群优化(PSO)应用于生成方法的优化。空间注意力机制通过转换输入（及特征空间）与输出空间，将级联与层次回归集成到CNN框架中，极大降低了视角与关节弯曲变化。在层次各级之间，层次PSO将运动学约束强加于CNN的结果上。实验结果表明，我们的方法在三个公开基准上显著优于四种最先进方法与三个基线。
引用
@article{arxiv.1604.03334,
title = {Spatial Attention Deep Net with Partial PSO for Hierarchical Hybrid Hand Pose Estimation},
author = {Qi Ye and Shanxin Yuan and Tae-Kyun Kim},
journal= {arXiv preprint arXiv:1604.03334},
year = {2016}
}
备注
The work is accepted by ECCV2016, Demo video: https://youtu.be/2Hg0c88rHkk, Project Page: https://sites.google.com/site/qiyeincv/home/eccv2016