JGR-P2O: 基于联合图推理的基于像素偏移预测网络，用于从单个深度图像估计三维手部姿势

ECCVJul, 2020

JGR-P2O: 基于联合图推理的基于像素偏移预测网络，用于从单个深度图像估计三维手部姿势

JGR-P2O: Joint Graph Reasoning based Pixel-to-Offset Prediction Network for 3D Hand Pose Estimation from a Single Depth Image

PDF

Linpu Fang, Xingyan Liu, Li Liu, Hang Xu, Wenxiong Kang

TL;DR本研究提出一种基于像素预测的手部姿态估计方法，采用图卷积网络进行关节图形化推理并将像素偏移量预测与直接关节回归统一进行端到端训练，实现了最先进的准确度，并且在单个 NVIDIA 1080Ti GPU 上以约 110fps 的速度高效运行。

Abstract

State-of-the-art single depth image-based 3D hand pose estimation methods are based on dense predictions, including voxel-to-voxel predictions, point-to-point regression, and pixel-wise estimations. Despite the good performance, those methods have a few issues in nature, such as the po

hand pose estimation pixel-wise prediction graph convolutional network end-to-end training state-of-the-art accuracy

发现论文，激发创造

手势姿势估计的密集三维回归

该研究提出了一种基于单个深度帧的三维手部姿态估计方法，通过像素级别的估计实现高效准确地实现骨架姿态估计，并在 MSRA 和 NYU 手部数据集上，其方法实现了最好的性能。

Nov, 2017

PR-GCN: 一种带有点细化的深度图卷积网络，用于六维姿态估计

本研究提出了一种图卷积网络和点细化相结合的深度学习方法，并分别引入了 “Point Refinement Network（PRN）” 和 “Multi-Modal Fusion Graph Convolutional Network（MMF-GCN）” 进行 RGB-D 数据的联合处理，实验结果表明该方法在三个广为使用的基准测试上取得了最佳的性能表现，并可推广到其他框架。

Aug, 2021

Pix2Pose：用于物体 6D 姿态估计的像素级坐标回归

提出了一种基于自编码器、Pix2Pose 的 6D 姿态估计方法，可以精确地检测对称目标并处理部分遮挡的问题，无需依赖专家知识或特殊扫描设备进行 3D 建模，且在三个基准数据集上表现优于现有方法。

Aug, 2019

基于迭代图滤波网络的三维人体姿态估计

本文介绍了一种基于迭代图滤波的框架，用于 3D 人体姿势估计，并通过高斯 - 塞德尔迭代法设计了 Gauss-Seidel 网络架构，利用邻接修正和跳跃连接等方法改善模型性能。实验结果表明，该方法在两个标准数据集上都超过了其他基准方法，达到了最先进性能。

Jul, 2023

像素级回归：基于空间形式表示和可微分解码器的 3D 手部姿态估计

本论文提出了一种基于像素回归的新方法，采用空间形态表示和可微分解码器来解决三维手部姿态估计的问题，实验结果显示本方法比现有方法更优，在三个公共数据集上将平均 3D 关节误差降低了 25％。

May, 2019

自适应图模型网络用于二维手部姿态估计

本文提出一种名为自适应图模型网络（AGMN）的新架构，用于从单个 RGB 图像估计 2D 手部姿势，该架构包含两个深度卷积神经网络分支，用于计算一元和双元潜力函数，随后是图形模型推断模块，用于集成一元和双元潜力。与现有的将 DCNN 与图形模型结合的体系结构不同，我们的 AGMN 是新颖的，因为其图形模型的参数是基于并完全适应于个别输入图像的。实验证明，我们的方法在两个公共数据集上比 2D 手关键点估计中使用的最先进方法优越了不少。

Sep, 2019

带有空间上下文信息的人体姿态估计

本文探讨了空间背景信息在人体姿态估计中的重要性，提出了利用上下文信息的 Cascade Prediction Fusion 和 Pose Graph Neural Network 两个模块。在 MPII 和 LSP 基准测试中，实验结果表明我们的方法始终优于以前的方法。

Jan, 2019

从单一深度图中回归手部网格顶点的双网格网络

本文提出了一种通过从单个深度图中回归网格模型顶点坐标来恢复手部密集 3D 表面的方法，使用两阶段 2D 完全卷积网络架构和可微分算子来实现，能够通过自我监督实现更好的效果，表现优异。

Jul, 2019

多人姿态估计的生成式分区网络

该论文提出了一种新的生成式分区网络 (GPN)，旨在解决复杂的多人姿态估计问题，其引入了一种从全局关节点生成多人分区的新策略，并同时推断实例特定的关节配置。GPN 是低复杂度和高联合检测的准确性的有益特点，它在 MPII Human Pose Multi-Person，扩展的 PASCAL-Person-Part 和 WAF 基准测试上产生了新的最先进性能。

May, 2017

图形模型智能估计具有图像相关对关系的关节姿态

使用深度卷积神经网络和图形模型，从单个静态图像中估计人的关节姿势，利用局部图像测量，定义图形模型并尝试预测它们之间的空间关系，从而充分利用图像相关联的先验知识。

Jul, 2014