Aug, 2017

基于姿势引导的结构化区域集成网络用于级联手部姿势估计

PDF
TL;DR本文研究了从单个深度图像中估计手势姿态的问题，提出了一种基于姿态引导的结构化区域集合网络，该方法在公共手势数据集上的实验结果表明它比现有的最先进算法表现更好。
hand pose estimationdepth imageconvolutional neural networkpose-renhuman computer interaction
发现论文，激发创造
  • 区域集成网络：改进卷积网络用于手势姿势估计

    本文提出一个结构为树形的区域集成网络，用于从单眼深度图像中进行手势姿势估计，并具有端到端训练的完全性。在两个公共数据集上的实验结果表明，此方法在各方面的表现均优于现有技术。

    Feb, 2017

  • 深入的三维手部姿态估计良好实践

    本文提出了一种基于区域集成网络技术的 3D 手部姿态估计方法，通过引入数据增强和平滑 L1 损失来提高卷积神经网络的性能并实现手部关节的定位精度，实验结果表明该方法在三个公共数据集上均达到了最佳表现，并在手指尖检测和人体姿态估计上取得了最高精度。

    Jul, 2017

  • Hand3D：使用 3D 神经网络进行手部姿态估计

    使用新的 3D 神经网络架构，通过深度图到三维体积表示的转化，直接对手的三维姿态进行估计，无需进一步处理。同时通过合成深度图来增加训练数据覆盖率，在公开数据上达到了最优性能。

    Apr, 2017

  • 基于单深度图像的稳健三维手部姿势估计：从单视角 CNN 到多视角 CNN

    该论文提出了一种新方法，利用多视角投影和学习的姿态先验，通过多视角热图来回归手部姿态，最终得出三维手势估计，实验表明该方法在难以应对的数据集上取得了优异表现。

    Jun, 2016

  • 多尺度监督网络用于人体姿态估计

    该研究提出了基于深度卷积去卷积模型的鲁棒人体姿态估计方法，通过多尺度的上下文监督和全局回归的方式增强模型的姿态鲁棒性，并在 MPII 和 FLIC 数据集上展示了具有竞争力的性能。

    Aug, 2018

  • 二维手部姿态估计的非参数结构正则化机器

    我们提出了一种新颖的非参数结构规范化机器用于 2D 手势估计，通过采用级联多任务架构和使用合成的手部掩模表示来学习手部结构和关键点表示，进一步采用概率表示和解剖学启发式技术，实验结果显示，显式地强制结构学习可以显著提高基线模型的姿态估计准确性，可成为用于其他姿态估计模型的通用附加模块。

    Jan, 2020

  • 基于端到端全局到局部卷积神经网络的深度数据手部姿态恢复学习

    本文提出了一种基于层次结构的 CNN，通过对手的手指等局部姿势进行预训练，并将这些特征融合起来，以学习最终姿态中的关节之间的更高级别的依赖关系，同时，在损失函数中加入与手的运动和变形相关的外观和物理约束，并引入一种非刚性数据扩充方法，实验结果表明，基于局部姿态的树形 CNN 模型结合关节相关性和依赖性的融合网络，能够提高最终姿态估计的精度，优于现有的 NYU 和 SyntheticHand 数据集结果。

    May, 2017

  • 深入学习手势姿态估计

    本文研究使用卷积神经网络结构，预测手的三维关节位置，并通过引入关节先验和有效利用上下文来提高方案的预测精确性和可靠性，在多个基准测试中都表现出了远胜于现有技术的高精度和较快的计算时间。

    Feb, 2015

  • 人体姿态估计的多尺度结构感知网络

    本文提出了一种多尺度结构感知神经网络，通过多尺度监督、多尺度回归网络、中间监督和结构感知损失以及关键点掩蔽训练方案等四个方面对深度卷积 - 反卷积沙漏模型进行改进，以有效地提高人体姿势估计的性能。该网络不仅可以解决尺度差异、遮挡和复杂多人场景等问题，而且可以全局优化多尺度特征的结构匹配，并在 MPII 挑战排行榜上取得了领先地位。

    Mar, 2018

  • 使用解剖学特征和迭代学习进行自监督优化的手势估计方法

    研究报告提出了一种自我监督学习框架，结合手势估计和手势识别，用于解决手势识别在复杂场景中的困难，以提高手动组装场景下的活动识别的准确性和鲁棒性。

    Jul, 2023