ECCVOct, 2018

HANDS18：手部观察的方法、技术和应用

PDF
TL;DR本文介绍了第四届国际手部观察和理解研讨会的会议程序，讨论了一系列与手势识别和实际应用相关的话题，重点关注 RGB 数据和手势识别技术的发展和应用。
handshand pose estimationrgb datareal-world applicationsgesture recognition
发现论文，激发创造
  • 利用人手作为交互式物体理解的探针

    通过观察手在自然野外环境下的视频，本文致力于实现交互对象的理解，成功地应用这一基本原则于 EPIC-KITCHENS 数据集，从而纯粹通过观察手在自我中心视角的视频中学习状态敏感特征和对象特性。

    Dec, 2021

  • 基于 RGB-D 视频和 3D 手势姿态注释的第一人称手部动作基准测试

    本文提出了一种基于 3D 手部姿势的第一人称动态手部动作识别方法，并通过收集大量 RGB-D 视频序列对其进行了实验评估。研究结果表明，在进行动作识别时，与其他数据形式相比，手部姿态作为一种线索具有明显的优势。

    Apr, 2017

  • 2017 年百万手势挑战赛：3D 手势姿势估计

    本研究介绍了 2017 年万手挑战赛，此为一项 3D 手势定位任务评估公共比赛，其目的为探索解决此问题的最高水平，并发现交互模式及评估指标。挑战赛基于标准的数据集和评估协议，并与结果一起呈现在 ICCV 2017 年的第三届 “手部观察和理解活动” 国际研讨会上。

    Jul, 2017

  • RGB2Hands: 从单目 RGB 视频中实时跟踪三维手部交互

    该论文提出了一种使用单个 RGB 相机捕捉人手骨骼姿势和三维表面几何形状的实时方法，并考虑到了人手间的近距离交互情况，该方法通过多任务 CNN 回归多种信息，包括分割、对 3D 手模型的密集匹配、2D 关键点位置，以及新提出的手内相对深度和手间距离图。该方法已在 RGB 两只手追踪和三维重建方面实验验证，并且在量化和定性上优于现有的非针对两只手交互设计的基于 RGB 的方法，甚至与基于深度的实时方法相媲美。

    Jun, 2021

  • 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

  • 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

  • 基于深度的手部姿态估计：方法、数据和挑战

    手势姿态估计方面已有巨大进展，但在处理复杂场景，特别是手与周围物体交互的情况下仍存在困难。此研究提出了一个具有挑战性的新数据集，并定义了一个一致的评估标准，同时引入了一个简单有效的最近邻基线系统，加以比较，结果表明相当一部分系统无法在训练集之外进行有效泛化。

    Apr, 2015

  • 利用热像检测同时预测手势、惯用手及关键点

    本文提出了一种使用红外热成像技术进行的手势分类、左右手检测、手部关键点定位的深度多任务学习模型，通过在包含 24 个用户数据的自有数据集上进行实验验证，结果表明手势分类、左右手检测、指尖定位的准确率均高于 98％，手腕定位的准确率超过了 91％。

    Mar, 2023

  • BigHand2.2M 基准测试：手势姿态数据集和最新技术分析

    介绍了一种新的捕捉方法和跟踪系统，自动获取 21 个关节点的手部姿势数据，并通过新数据集和卷积神经网络对自我视角手势估计和交叉基准性能进行显著改进。

    Apr, 2017

  • 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