AAAIApr, 2019

GestARLite：一种基于指向手指的智能手机和视频透视耳机的设备内手势界面

PDF
TL;DR我们提出了一种用于便携式可穿戴设备的新型轻量级手势识别框架，该框架由一系列最先进的深度学习模型驱动，能以实时性灵敏地识别手势，实现了 80％的分类准确度和仅 0.12 秒的平均延迟。
发现论文，激发创造
  • 移动头戴式显示设备上的实时自我中心手势识别

    本文演示了在移动 VR 头戴式显示器上实时实现自我中心手势检测和定位的方法。通过创新的混合现实数据收集工具，以及超过 400,000 帧的最大自我中心手势和边界框数据集，在现代移动 CPU 上实现的神经网络可以在 8 个类别中实现超过 76％的手势识别精度。

    Dec, 2017

  • 设备端实时手势识别

    提出了一个基于设备的实时手势识别系统，利用单个 RGB 相机检测一组预定义的静态手势，该系统包括手骨骼跟踪器和手势分类器，使用 MediaPipe Hands 作为手骨骼跟踪器的基础，在世界度量空间中添加了 3D 关键点的估计，并创建两个不同的手势分类器，一个基于启发式方法，另一个使用神经网络。

    Oct, 2021

  • 头戴式增强现实设备的自我中心手势识别

    本文提出一种基于端到端深度学习方法，采用用于识别土生土长的姿势的时间分辨率特征的循环神经网络和用于找到土手特征的自我手编码器网络，结合绿色屏幕捕获的数据扩充技术来缓解地面真实性注释问题，从而实现了土心姿势识别的问题。

    Aug, 2018

  • 设备端实时自定义手势识别

    该研究论文提出了一个用户友好的框架，使用户能够自定义和部署自己的手势识别流程，包括使用预训练的单手嵌入模型进行微调，提供低代码解决方案用于训练和部署自定义手势识别模型，以及提供无代码的 Web 前端，最终得到的自定义手势识别可以在实时场景中进行设备上运行。

    Sep, 2023

  • 增强现实应用中，合成视频生成用于手势识别的鲁棒性提升

    本文介绍了一个能够生成具有标记边界框和指尖的逼真视频的框架，以帮助设计、训练和基准测试增强现实 /virtual reality 应用程序中的手势识别模型，并展示了我们的框架在生成具有不同背景的视频方面的有效性。

    Nov, 2019

  • 电容式感应设备的灵活手势识别：在职适应

    本文介绍了一种手势识别技术，使用嵌入式电容传感器生成实时信号并利用机器学习技术分析时间序列信号以识别五个手指的三个特征，其性能可与监督式可变自编码器等更高级的方法相媲美，并能通过自适应的误差校正机制进一步提高其分类性能，从而证明了运用此技术实现敏捷手势识别系统的可行性。

    May, 2023

  • CaptAinGlove：基于电容和惯性融合技术的手套，用于实时边缘手势识别和无人机控制

    CaptAinGlove 是一种基于纺织品的低功耗手套解决方案，可识别用于无人机控制的手势。

    Jun, 2023

  • 虚拟手套标记的实时手势识别

    本文提出了一种基于实时计算机视觉的手势识别应用程序的自然用户界面工具，该工具使用用户手上的虚拟手套标记作为输入，并采用深度学习模型进行实时手势识别。研究表明，该系统可以在社交互动和康复等实时应用中发挥有效作用。

    Jul, 2022

  • 手腕设备上的手势定制功能

    我们提出了一种手势定制的框架，仅需要用户提供极少量的样本即可实现个性化定制。通过大规模数据收集及实验，得出了加速度计和陀螺仪识别模型，与非手势数据相比误报率仅为 0.6 / 小时。此外，我们构建了一个基于少样本学习的框架，在减少性能损失的情况下建立了轻量级模型。最终，我们用 20 名用户进行了实验验证，其结果表明我们的定制框架具有良好的适用性和可用性，为用户提供了更多个性化手势选择的自由。

    Mar, 2022

  • 基于关键点和雷达流融合的自动驾驶手势识别

    本研究提出了一种联合摄像机和雷达方法，使自动驾驶车辆能够了解和响应日常交通中的人类手势，通过处理雷达和摄像机数据，利用融合神经网络提高手势识别的准确性。

    Feb, 2023