CVPRFeb, 2016

使用检测引导优化的快速坚韧手部跟踪

PDF
TL;DR本文提出了一种快速的方法，使用单个深度相机准确跟踪手的快速和复杂关节动作，通过使用新型检测引导优化策略结合高斯混合表示深度估计出最佳拟合姿势，并展示了在公共数据集上的评估结果和与之前工作的比较。
markerless trackinghuman-computer interactionhand articulationpose estimationdepth camera
发现论文，激发创造
  • 从 RGB-D 输入实时联合跟踪手部操纵物体

    本文提出了一种实时的手和物体姿态联合追踪方法，利用一个单独的 RGB-D 相机，通过 3D GMM 算法和创新的正则化策略，同时解决了遮挡、快速运动和手与物体重合的问题，辅以判别式手部部分分类和物体分割，实现了实时追踪。实验结果表明，该方法具有速度、准确性和鲁棒性。

    Oct, 2016

  • 使用各向异性高斯模型的实时手部跟踪

    该研究提出了一种新的实时无标记手部跟踪方法，使用 SAG 的隐式手形状表示和顺畅且解析可微分的姿势拟合能量，实现了更准确的手部建模和更高的追踪精度，并在公共数据集上进行了定量和定性实验。

    Feb, 2016

  • 基于动力学的三维骨骼手部追踪

    本研究利用增强刚体模拟方法追踪手部骨骼姿态，在利用深度传感器样本生成限制运动方式的约束的基础上，使用投影高斯 — 赛德尔求解器解决先前的运动，碰撞 / 接触限制，以及关节力学问题，实现了实时、鲁棒且准确的 3D 骨骼追踪。

    May, 2017

  • 基于自我参照 RGB-D 传感器的实时遮挡手部追踪

    使用两个连续应用的卷积神经网络（CNN）对手部进行定位并回归三维关节位置，进而实现在复杂环境中移动自视角 RGB-D 相机下的实时、稳健和准确的手部姿态估计。

    Apr, 2017

  • 使用 RGB-D 传感器捕捉手部动作，将生成模型与显著点融合

    手势运动捕捉的关键挑战在于质量和价格，该研究发现单个低成本 RGB-D 相机与生成模型，碰撞检测和重要点的结合可以捕捉运动中的两个交互手。

    Apr, 2017

  • 基于事件的人手跟踪

    本文提出了一种使用事件相机数据进行人手跟踪的新方法，通过使用轻量级算法分析捕获的帧以报告 3D 手部位置数据，并使用 ROI 找到特征用于深度感知。

    Apr, 2023

  • 利用多模态数据进行单目实时手部形状和运动捕捉

    本研究提出了一种能够在 100fps 下具有最先进精度的单目手部形状和姿态估计新方法，它采用的是一种新的基于学习的架构设计，使其能够利用三维或二维标注图像数据以及独立的三维动画等所有可用的手部训练数据。该方法的输出使其更适用于计算机视觉和图形学领域中的应用，并且在数个具有挑战性的基准测试中取得了显著的定量和定性改善。

    Mar, 2020

  • 适应性机械手抓取物体的鲁棒性、遮挡感知姿态估计

    该论文介绍了一种基于深度信息的机器人手臂感知与图像识别框架，包括自适应手指检测、点云数据处理、全局位姿估计、轨迹规划与性能分析等组件，该框架可以实现对高度遮挡物体进行精准的位姿估计与反应迅速的操作控制。

    Mar, 2020

  • 使用单个深度相机实时重建相互作用的两只手的姿态和形状

    本论文提出了一种新思路，用于实时跟踪并重构双手的姿态和形状。该方法通过能源最小化框架，将手部姿态和形状模型以及基于深度神经网络的高密度对应预测器嵌入其中，以实现快速运行，实时处理以及自动化调整。同时，文中还提到，该模型得到了场景复杂度不断升级的改进，并达到了同类研究领域的最高水准。

    Jun, 2021

  • 单目事件相机下两只交互手的 3D 姿态估计

    提出了首个从单目事件摄像机中跟踪两只快速移动和互动的手的三维跟踪框架，通过新颖的半监督特征注意机制解决左右手歧义并整合相交损失来修复手的碰撞，推出了新的大规模数据集 Ev2Hands-S 和真实事件流与真实三维标注的基准数据集 Ev2Hands-R，并在强光条件下对真实数据具有更高的三维重建精度。

    Dec, 2023