Oct, 2018

无需手动注释的基于彩色图像的3D姿态估计的领域转移

HTML
PDF
TL;DR本文提出了一种通过RGB-D相机捕捉的配对颜色和深度图像来学习三维姿态估计的新方法，通过学习合成深度图像并将其与实际深度图像对齐，实现了仅在颜色图像上进行三维手部姿势估计和三维物体姿势估计的任务，并在不需要颜色图像的任何注释的情况下，在流行的基准数据集上实现了可比较的性能。
发现论文，激发创造
  • 一种基于双源方法的单张图像3D姿势估计

    通过两种独立的训练来源(2D姿势标注的图像和准确的3D运动捕捉数据)，提出一种双源方法，将2D姿态估计与高效稳健的3D姿态检索结合，从而解决单个RGB图像的3D姿态估计中获取足够训练数据的问题，实验表明，该方法达到了最先进的结果，并且即使是两个训练来源中的骨架结构差别显著时也具有竞争性。

    Sep, 2015

  • 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

  • 从单张RGB图像学习估计3D手部姿势

    本文提出了一种通过RGB图像估计3D手部姿势的方法，使用深度学习和关键点检测方法，配合学习的3D关节先验，以及基于合成手模型的大规模数据集进行了实验验证。

    May, 2017

  • 野外实时 3D 手势估计的单帧 RGB 图像方法

    使用单个RGB摄像头，结合深度学习技术和手部姿态估计技术，实时估计手部的3D姿态，拓展了RGBD传感器的应用范围。

    Dec, 2017

  • RGBD图像中的人体姿态三维估计用于机器人任务学习

    利用RGBD图像估算3D人体姿态，通过关键点检测器和深度信息实现3D提升，在真实环境下通过学习演示框架指示服务机器人模仿人类教师的操作，超越了单眼调色板和深度姿态估计方法的性能。

    Mar, 2018

  • 基于隐变量2.5D热力图回归的手部姿态估计

    本文提出一种使用 2.5D 姿势表示的新方法来从单目图像中估计 3D 手部姿态，通过使用深度图和热力图分布来训练卷积神经网络(CNN) 模型，该模型在多个数据集上实现了最先进 2D 和 3D 手部姿态的估计。

    Apr, 2018

  • 基于 RGB 和深度图的特权学习 3D 手势姿态估计

    本篇论文提出了一种从RGB图像中估计手部姿势的方法，该方法在训练时利用了相应的深度图像，使用深度数据来初始化深度网络、约束RGB网络权重、及抑制背景区域反应，使用RGB和深度图像的配对数据，训练RGB网络以学习深度网络中的中层特征，该方法在三个公共数据集上的实验结果表明，与使用RGB图像输入的其他方法相比，性能更优越。

    Nov, 2018

  • 从单一RGB图像中估计3D手型和姿势

    本文提出了一种基于图形卷积神经网络的方法，从单个RGB图像中估算手的3D形状和姿态，并通过含3D地面真值的大规模合成数据集和深度图弱监督学习进行训练，结果表明可以对手的3D网格进行准确和合理的重建，并在与现有最先进方法的比较中达到了更高的3D姿态估计准确性。

    Mar, 2019

  • HOnnotate：手部和物体姿态三维注释方法

    提出了一种用于注释手操作对象图像的3D姿态方法，以及使用该方法创建的数据集并开发了一种基于RGB图像的手姿态预测方法。

    Jul, 2019

  • 针对手-物交互情况下3D手势姿态估计的未知视角、关节、形状和物体的泛化测量

    研究3D手势姿势估计中不同类型方法的泛化能力，并通过公开挑战评估插值和外推的训练集姿势的能力，透彻分析了数据预处理、集成方法、使用参数化的3D手模型（MANO）以及不同的HPE方法/骨干网络对3D手姿势估计的影响，使得总体精度从基线的27mm提高到13mm，尤其是在外推任务中。

    Mar, 2020