論文の概要: Nonparametric Structure Regularization Machine for 2D Hand Pose Estimation

• arxiv url: http://arxiv.org/abs/2001.08869v1
• Date: Fri, 24 Jan 2020 03:27:32 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-07 05:06:30.386344
• Title: Nonparametric Structure Regularization Machine for 2D Hand Pose Estimation
• Title（参考訳）: 2次元ハンドポーズ推定のための非パラメトリック構造正規化機
• Authors: Yifei Chen, Haoyu Ma, Deying Kong, Xiangyi Yan, Jianbao Wu, Wei Fan, Xiaohui Xie
• Abstract要約: 手ポーズ推定は, 重度調音, 自己閉塞, 器質性が高いため, 身体ポーズ推定よりも困難である。 2次元手振り推定のための新しい非パラメトリック構造正規化機械(NSRM)を提案する。
• 参考スコア（独自算出の注目度）: 21.250031729596085
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Hand pose estimation is more challenging than body pose estimation due to severe articulation, self-occlusion and high dexterity of the hand. Current approaches often rely on a popular body pose algorithm, such as the Convolutional Pose Machine (CPM), to learn 2D keypoint features. These algorithms cannot adequately address the unique challenges of hand pose estimation, because they are trained solely based on keypoint positions without seeking to explicitly model structural relationship between them. We propose a novel Nonparametric Structure Regularization Machine (NSRM) for 2D hand pose estimation, adopting a cascade multi-task architecture to learn hand structure and keypoint representations jointly. The structure learning is guided by synthetic hand mask representations, which are directly computed from keypoint positions, and is further strengthened by a novel probabilistic representation of hand limbs and an anatomically inspired composition strategy of mask synthesis. We conduct extensive studies on two public datasets - OneHand 10k and CMU Panoptic Hand. Experimental results demonstrate that explicitly enforcing structure learning consistently improves pose estimation accuracy of CPM baseline models, by 1.17% on the first dataset and 4.01% on the second one. The implementation and experiment code is freely available online. Our proposal of incorporating structural learning to hand pose estimation requires no additional training information, and can be a generic add-on module to other pose estimation models.
• Abstract（参考訳）: 手ポーズ推定は, 重度調音, 自己閉塞, 器質性が高いため, 身体ポーズ推定よりも困難である。 現在のアプローチでは、2dキーポイントの特徴を学ぶためにconvolutional pose machine (cpm)のような一般的なボディポーズアルゴリズムに依存することが多い。 これらのアルゴリズムは、それらの間の構造的関係を明示的にモデル化することなく、キーポイント位置のみに基づいて訓練されるため、ハンドポーズ推定のユニークな課題に適切に対処できない。 本研究では,2次元ハンドポーズ推定のための非パラメトリック構造正規化機械(nsrm)を提案する。 構造学習は、キーポイント位置から直接計算され、手足の新しい確率的表現と、マスク合成の解剖学的に着想を得た構成戦略によってさらに強化される合成手マスク表現によって導かれる。 我々はOneHand 10kとCMU Panoptic Handという2つの公開データセットについて広範な研究を行っている。 実験の結果,CPMベースラインモデルのポーズ推定精度は,第1データセットでは1.17%,第2データセットでは4.01%向上した。 実装と実験コードはオンラインで無料で利用できる。 ポーズ推定のための構造学習を組み込んだ提案では,追加のトレーニング情報を必要とせず,他のポーズ推定モデルに汎用的なアドオンモジュールとして組み込むことができる。

関連論文リスト

• HandDiff: 3D Hand Pose Estimation with Diffusion on Image-Point Cloud [60.47544798202017]
  ハンドポーズ推定は、様々な人間とコンピュータの相互作用アプリケーションにおいて重要なタスクである。 本論文は,手形画像点雲上での正確な手ポーズを反復的に認知する拡散型手ポーズ推定モデルであるHandDiffを提案する。 実験の結果,提案したHandDiffは,4つの挑戦的なハンドポーズベンチマークデータセットにおいて,既存のアプローチよりも大幅に優れていた。
  論文  参考訳（メタデータ） (2024-04-04T02:15:16Z)
• Self-supervised Optimization of Hand Pose Estimation using Anatomical Features and Iterative Learning [4.698846136465861]
  本稿では,人的相互作用が最小限である特定のユースケースに手振り推定を適用するための自己教師付きパイプラインを提案する。 このパイプラインは、汎用データセットでトレーニングされた手振り推定のための一般的な機械学習モデルで構成されている。 パイプラインの有効性は、手動のアセンブリシナリオにおいて、下流タスクとしてアクティビティ認識をトレーニングすることで実証される。
  論文  参考訳（メタデータ） (2023-07-06T14:13:11Z)
• Human Pose as Compositional Tokens [88.28348144244131]
  本稿では,PoseをPCT(Compincial Tokens)と名づけた構造的表現について述べる。 これはM個の離散トークンによるポーズを表し、それぞれがいくつかの相互依存結合を持つ部分構造を特徴づける。 事前に学習したデコーダネットワークを使用してトークンからのポーズを後処理なしで復元する。
  論文  参考訳（メタデータ） (2023-03-21T07:14:18Z)
• Im2Hands: Learning Attentive Implicit Representation of Interacting Two-Hand Shapes [58.551154822792284]
  Implicit Two Hands (Im2Hands) は、2つの相互作用する手の最初の暗黙の表現である。 Im2Handsは、両手と手と手と画像のコヒーレンシーの高い2つの手のきめ細かい幾何学を生成することができる。 両手再建におけるIm2Handsの有効性を, 関連手法と比較して実験的に実証した。
  論文  参考訳（メタデータ） (2023-02-28T06:38:25Z)
• 2D Human Pose Estimation with Explicit Anatomical Keypoints Structure Constraints [15.124606575017621]
  本稿では,解剖学的キーポイント構造制約を明示した新しい2次元ポーズ推定手法を提案する。 提案手法は,既存のボトムアップやトップダウンの人間のポーズ推定手法に組み込むことができる。 提案手法は,既存のボトムアップとトップダウンの人間のポーズ推定手法に対して良好に機能する。
  論文  参考訳（メタデータ） (2022-12-05T11:01:43Z)
• 3D Interacting Hand Pose Estimation by Hand De-occlusion and Removal [85.30756038989057]
  単一のRGB画像から3Dインタラクションハンドポーズを推定することは、人間の行動を理解するのに不可欠である。 本稿では,難易度の高い手ポーズ推定タスクを分解し,各手のポーズを別々に推定することを提案する。 実験の結果,提案手法は従来の手ポーズ推定手法よりも有意に優れていた。
  論文  参考訳（メタデータ） (2022-07-22T13:04:06Z)
• Real-time Pose and Shape Reconstruction of Two Interacting Hands With a Single Depth Camera [79.41374930171469]
  本稿では,2つの強く相互作用する手の位置と形状をリアルタイムに再現する新しい手法を提案する。 われわれのアプローチは、有利なプロパティの広範なリスト、すなわちマーカーレスを組み合わせている。 過去の研究で示された複雑性レベルを超える場面で、最先端の結果を示す。
  論文  参考訳（メタデータ） (2021-06-15T11:39:49Z)
• Skeleton-aware multi-scale heatmap regression for 2D hand pose estimation [1.0152838128195467]
  本稿では,2つの主要モジュールからなるディープラーニングベースのフレームワークを提案する。 前者は、手骨を検知し、手の境界ボックスをローカライズするセグメンテーションベースのアプローチを提案する。 第2のモジュールは、マルチスケールのヒートマップ回帰アプローチを通じて2次元関節位置を回帰する。
  論文  参考訳（メタデータ） (2021-05-23T10:23:51Z)
• Self-Supervised 3D Human Pose Estimation via Part Guided Novel Image Synthesis [72.34794624243281]
  ラベルのないビデオフレームからバリエーションを分離する自己教師付き学習フレームワークを提案する。 3Dポーズと空間部分マップの表現ギャップを埋める、微分可能な形式化により、多様なカメラの動きを持つビデオで操作できる。
  論文  参考訳（メタデータ） (2020-04-09T07:55:01Z)
• Robust, Occlusion-aware Pose Estimation for Objects Grasped by Adaptive Hands [16.343365158924183]
  内部操作のような操作タスクは、ロボットハンドに対してオブジェクトのポーズを必要とする。 本稿では,頑健なポーズ推定と応答時間の短縮を目的とした奥行きに基づくフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-03-07T05:51:03Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。