文章链接 摘要 用于学习三维手部姿势估计模型的数据标记是一项巨大的工作。由于合成数据和真实数据存在'domain gap',直接使用现成...
文章链接 摘要 若已知手部一系列参数(骨骼、尺寸、外形等),那么给定某个手势一个视角的图片,是可以推测该手势另一个视角的图片的。反之,基...
文章链接 摘要 使用合成图像来训练深度网络的能力是非常有价值的,因为很容易用这种图像创建一个几乎无限的训练集,而捕捉和标注真实图像可能非...
文章链接 摘要 深度学习为了获得较好效果需要大量的训练数据,并且需要对这些数据进行人工标注。收集标注数据的过程费时费力,因此,使用合成图...
文章链接 摘要 近年来,基于三维输入数据的手部姿态估计方法显示出最先进的性能,因为三维数据比深度捕捉更多的空间信息。而基于三维体素的方法需要大量...
文章链接 摘要 单深度图2D卷积预测手势将手势估计任务拆分为手掌关节点预测子任务和手指关节点预测子任务,两个子任务之间共享互补有益信息提出基于2...
文章链接 摘要 在DeepPrior上做了改进:1. 基础网络结构换成ResNet;2. 改进手部定位网络; 3. 数据增强 关键 训练...
文章链接 摘要 实验展示使用3D姿势先验能很提高预测精度和可靠性 提出使用上下文信息解决手指模糊问题 输入单深度图,将其看作2D图片使用2D卷积...
文章链接 摘要 本文设计一个基于深度摄像头的手势追踪系统:满足实时追踪(CPU 25fps)、高准确性(<10mm)。提出了几个新颖的技...