Dec, 2020

MVHM: 准确三维手部姿态估计的大规模多视图手部网格基准测试

PDF
TL;DR本文提出了一种 spin match 算法，并基于该算法提出了一种有效的多视角手部网格数据集生成方法，证明使用该数据集训练的手部姿态估计器大幅提升性能，从而达到了 0.990 AUC$_{20-50}$ 的性能，且数据集内容公开。
发现论文，激发创造
  • 大规模多视角 3D 手势姿态数据集

    提出一个多视角手势姿势数据集和一个既简单又准确的、用于实时鲁棒的 2D 手势姿势估计的深度学习框架。

    Jul, 2017

  • MM-Hand: 3D 感知的多模式导向的手部生成网络用于 3D 手势合成

    该论文提出了一种学习为基础的方法，使用 3D 姿态信息来合成逼真、多样和保留 3D 姿态的手图像，并通过基于几何的课程学习策略使增强数据能够持续提高最先进的 3D 手位姿估计器的定量性能。

    Oct, 2020

  • MLPHand：基于 MLP 建模的多视角实时三维手部网格重建

    研究提出了 MLPHand，一种用于实时多视图单手重建的新方法。MLPHand 包含两个主要模块：轻量级的基于 MLP 的 Skeleton2Mesh 模型，以及使用多视图几何特征融合预测模块增强 Skeleton2Mesh 模型。实验表明，MLPHand 可以在保持与现有最先进方法相当的重建准确性的同时，将计算复杂度减少 90%。

    Jun, 2024

  • 一种适用于多视角三维人体姿态回归的常规方法

    提出使用多视角和单视角数据训练的两阶段方法来检测和估计 3D 人体姿势，通过将数据进行正确的分类来构建准确的模型，避免了数据采集难题。该方法在 Human3.6M 数据集上获得了竞争性的结果，并在 MV 临床数据集上显著提高了结果。

    Apr, 2018

  • DeepHPS: 基于合成深度学习的端到端三维手部姿态和形状估计

    通过使用卷积神经网络结构，从单个深度图像中学习手部姿势，骨骼比例和复杂形状参数，以及使用一个新的手部姿势和形状层来产生 3D 关节位置和手部网格，利用 SynHand5M 数据集，在综合数据集上展示了良好的效果。

    Aug, 2018

  • 直接多视角多人三维姿态估计

    该研究提出了一种名为 MvP 的多视角姿态变换器，用于从多视角图像中估计多人的三维姿态，该方法可以直接回归多人三维姿态，并使用几种技术来提高准确性，该模型在多项指标上表现优秀。

    Nov, 2021

  • HandMIM：3D 手部网格估计的姿态感知自监督学习

    提出了一种新颖的自监督预训练策略来回归 3D 手部网格参数，并在各种手部网格估计任务上取得了强大的性能。

    Jul, 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

  • SHOWMe：基于对象无关的手 - 物体三维重建的基准评估

    介绍了一个数据集和方法，用于研究手 - 物体交互中的三维重建，通过精确的注册和多视角重建，实现了高精度和高细节的对象重建。

    Sep, 2023

  • 跨模态深度变分手部姿态估计

    本研究提出一种基于生成深度神经网络的概率手部模型，通过交叉模态训练的潜在空间学习，使多模态感知到的图像之间的潜在空间具有连贯性，从而更准确地估计出基于 RGB 图像的三维手部姿态配置。此外，该模型也可用于深度图像，并具有生成能力。

    Mar, 2018