Mar, 2024

DOR3D-Net：用于 3D 手部姿态估计的稠密序列回归网络

PDF
TL;DR通过改进密集回归方法并将 3D 手势定位问题转化为密集序回归问题，提出了一种新颖的密集序回归 3D 姿势网络（DOR3D-Net），在公开数据集上通过综合实验显示出较现有方法的显著提升。
depth-based 3d hand pose estimationdense regression methodsordinal regression problemdor3d-netimprovements over sota methods
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

  • DRPose3D：基于深度排序的三维人体姿态估计

    本文提出了一种基于深度排序的两阶段方法 DRPose3D 来解决 3D 人体姿态估计问题，该方法通过深度分类提取深度排序，再利用 Pairwise Ranking 卷积神经网络进行处理，并引入统计方法来增强模型的泛化性能，实验结果表明该方法在人体姿态估计领域超过了最先进算法。

    May, 2018

  • 三维人体姿态估计的序数深度监督

    通过使用弱监督信号（由人体关节的序数深度提供）来培训卷积网络（ConvNets）以及使用用带有序数深度标注扩展知名数据集 MPII 和 LSP，我们证明了序数深度监督用于 3D 人体姿势的有效性及其在相关基准测试中的表现。

    May, 2018

  • Hand3D：使用 3D 神经网络进行手部姿态估计

    使用新的 3D 神经网络架构，通过深度图到三维体积表示的转化，直接对手的三维姿态进行估计，无需进一步处理。同时通过合成深度图来增加训练数据覆盖率，在公开数据上达到了最优性能。

    Apr, 2017

  • 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

  • 由生成和序数排名进行的单目三维人体姿态估计

    本文提出了一种基于深度有条件变分自编码器的模型，通过合成以估计的 2D-pose 为条件的不同解剖学合理的 3D-pose 样本集，解决了 2D-to-3D lifting 中的内在歧义问题，并提出了两种策略用于获取最终的 3D 姿态，并在两个基准数据集上报告 OrdinalScore 接近最先进的结果。

    Apr, 2019

  • OriNet：一种完全卷积网络用于 3D 人体姿态估计

    该研究提出了一种新的 3D 人体姿态估计方法，即利用肢体方向与肢体区域的边界框一起表示 3D 姿态，并且通过简单的方法在多项基准测试中取得了良好的结果，该方法具有较好的泛化性能。

    Nov, 2018

  • 基于单深度图像的稳健三维手部姿势估计：从单视角 CNN 到多视角 CNN

    该论文提出了一种新方法，利用多视角投影和学习的姿态先验，通过多视角热图来回归手部姿态，最终得出三维手势估计，实验表明该方法在难以应对的数据集上取得了优异表现。

    Jun, 2016

  • 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

  • 基于关系网络的 3D 人体姿态估计

    本文提出了一种基于神经网络的新型三维人体姿态估计算法，采用关系网络的结构来捕捉不同身体部位之间的关系，并使用每对不同身体部位生成的特征的平均值进行 3D 姿态估计，提出的网络在 Human 3.6M 数据集中实现了最先进的性能，并能在缺失关节的情况下有效地产生可信的结果。

    May, 2018