论文阅读
文章平均质量分 90
Chhote
这个作者很懒,什么都没留下…
展开
-
论文阅读——A Comprehensive Study on Deep Learning-Based 3D Hand Pose Estimation Methods综述阅读2
3D手势姿态估计综述翻译 2022-03-21 18:53:13 · 398 阅读 · 0 评论 -
2D人体姿态估计:发展现状总结
2D Human Pose Estimaiton随着DeepPose的提出,人体姿态估计的方法开始由传统方法转化为深度学习方法,在下面总结的几篇论文,这些论文代表了从 Google 的 DeepPose 开始的 Human Pose Estimation 的演变(这不是一个详尽的列表,而是最好的进展/最 每个会议重要的)。DeepPoseEfficient Object Localization Using Convolutional NetworksConvolutional Pose翻译 2022-03-21 18:50:01 · 1716 阅读 · 0 评论 -
论文阅读——Point-to-Point Regression PointNet for 3D Hand Pose Estimation
Point-to-Point Regression PointNet for 3D Hand Pose Estimation Point-to-Point在NUY,ICVL,MSRA等大数据集上的表现至今都十分优异,值得一看 与以往直接以2D深度图作为输入然后直接回归关节点的三维坐标方法不同,本文提出的Point-to-Point回归PointNet直接将三维点云作为输入并输出逐点估计(逐点估计可以定义为从点到手关节位置的偏移)贡献点:本文建议直接将3D点云作为网络输入,并翻译 2022-02-20 10:58:02 · 695 阅读 · 0 评论 -
论文阅读——Robust 3D Hand Pose Estimation in Single Depth Images: from Single-View CNN to Multi-View CNNs
单深度图像中鲁棒的三维手姿势估计:从单视图CNN到多视图CNN 本文提出首先将查询深度图像投影到三个正交平面上,并利用这些多视图投影回归二维热图,从而估计每个平面上的关节位置。然后将这些多视图热图进行融合,利用所学的姿势先验知识生成最终的三维手姿势估计。 贡献点: 关于手部姿态估计的综述: 将手势姿态估计的方法分成两类:a)模型驱动方法 b) 数据驱动方法模型驱动被使用了很多,也是很有效的,但是缺点在于:需要明确定义手的解剖尺寸和手部运动约束翻译 2022-02-19 19:05:14 · 473 阅读 · 0 评论 -
论文阅读——MediaPipe Hands: On-device Real-time Hand Tracking
MediaPipe Hands: On-device Real-time Hand Tracking(From Google) 贡献点或者创新点提出了实时运行在设备上的多手跟踪,并且只需要一个RGB摄像头就可以。推理管道由两部分组成:手掌检测器和预测手关节坐标的模型,此模型可以预测手部2.5D的姿态基于MediaPipe平台搭建的提出的模型和推理管道在多种移动设备GPU上也能够取得比较好的实时预测效果1 Introduction 手势姿态估计已经发展了好多年,在A翻译 2022-02-17 10:40:00 · 1930 阅读 · 0 评论 -
2022/2/15 Hand Pose Estimation:综述阅读1
手势姿态估计手势姿态估计的基本问题解决手势姿态估计的新进展,尤其是使用深度图或者RGB图像的问题讨论近期论文所提出方法的优缺点解释了手势姿态估计领域的最大的数据集,而且列举了22个其他的数据集1 Introduction手势姿态估计的进展越来越快,成果也越来越多,并且制作深度图的RGBD相机已经变得便宜,这降低了制作和使用手持系统的成本。同时谷歌、微软和Facebook等大型科技公司对增强现实(AR)、虚拟现实(VR)和混合现实(MR)技术作为新型交互式个人电脑的巨大投资,拓宽了这一领域的翻译 2022-02-16 13:56:20 · 2433 阅读 · 0 评论