Mar, 2022

HandOccNet: 鲁棒性遮挡下的 3D 手部网格估计网络

PDF
TL;DR提出了一种新的 3D 手部网格估计网络 HandOccNet，该网络可充分利用遮挡区域的信息来增强图像特征，设计了两个基于 Transformer 的模块来将手部信息注入遮挡区域，并使用自我注意机制优化输出，从而在具有挑战性的手物体遮挡的 3D 手部网格基准测试中取得了最先进的表现。
3d hand mesh estimationoccluded regionshandoccnettransformer-based modulesself-attention mechanism
发现论文，激发创造
  • HandGCAT：从单目图像中抗遮挡重建三维手部网格模型

    我们提出了一种从单眼图像中重建 3D 手部网格的稳健准确方法，并且在具有挑战性的手 - 物体遮挡情况下达到了最先进的性能。

    Feb, 2024

  • 使用分层混合密度网络进行遮挡感知手部姿态估计

    本文提出了一种基于深度学习的新方法（HMDN），用于解决基于图像预测 3D 手模型的姿态参数的问题，该方法可以处理自我遮挡问题，并在两个有遮挡的数据集上超越现有的方法。

    Nov, 2017

  • 双手胜于一手：通过占位网络解决手与手的相交

    利用占用网络解决手与手交互带来的干扰问题，降低手的相交数，并提出了一种新的手网格参数化方法，实现更好的性能和更低的误差。

    Apr, 2024

  • 利用 Transformers 進行三維手部重建

    从单眼输入中重建 3D 手部，利用基于 Transformer 的 HaMeR 方法，通过大规模数据训练和深度网络容量的扩展，对手部进行精确且鲁棒性增强的分析，并在流行的 3D 手部姿势基准测试中始终优于先前基准线。

    Dec, 2023

  • 适应性机械手抓取物体的鲁棒性、遮挡感知姿态估计

    该论文介绍了一种基于深度信息的机器人手臂感知与图像识别框架，包括自适应手指检测、点云数据处理、全局位姿估计、轨迹规划与性能分析等组件，该框架可以实现对高度遮挡物体进行精准的位姿估计与反应迅速的操作控制。

    Mar, 2020

  • 野外场景下基于弱监督网格卷积的手部重建

    本研究提出了一种使用 YouTube 视频的弱监督网格卷积系统的简单而高效的单目 3D 手部姿势估计网络架构，大大优于最先进的方法，在野外基准测试中将误差减半。

    Apr, 2020

  • 深入的三维手部姿态估计良好实践

    本文提出了一种基于区域集成网络技术的 3D 手部姿态估计方法，通过引入数据增强和平滑 L1 损失来提高卷积神经网络的性能并实现手部关节的定位精度，实验结果表明该方法在三个公共数据集上均达到了最佳表现，并在手指尖检测和人体姿态估计上取得了最高精度。

    Jul, 2017

  • I2UV-HandNet：准确高保真的三维手部网格建模的图像到 UV 预测网络

    本篇论文提出了一种基于 I2UV-HandNet 模型的 3D 手部姿态和形状估计方法，通过使用 UV 位置图像的低分辨率和高分辨率图像进行图像到图像转换来恢复 3D 手模型，成功实现了对手部形状的 UV 表示，在多个具有挑战性的数据集上，该方法的性能达到了最新水平。

    Feb, 2021

  • 基于自我参照 RGB-D 传感器的实时遮挡手部追踪

    使用两个连续应用的卷积神经网络（CNN）对手部进行定位并回归三维关节位置，进而实现在复杂环境中移动自视角 RGB-D 相机下的实时、稳健和准确的手部姿态估计。

    Apr, 2017

  • 区域集成网络：改进卷积网络用于手势姿势估计

    本文提出一个结构为树形的区域集成网络，用于从单眼深度图像中进行手势姿势估计，并具有端到端训练的完全性。在两个公共数据集上的实验结果表明，此方法在各方面的表现均优于现有技术。

    Feb, 2017