Fugu-MT 論文翻訳(概要): HandDAGT: A Denoising Adaptive Graph Transformer for 3D Hand Pose Estimation

論文の概要: HandDAGT: A Denoising Adaptive Graph Transformer for 3D Hand Pose Estimation

arxiv url: http://arxiv.org/abs/2407.20542v1
Date: Tue, 30 Jul 2024 04:53:35 GMT
ステータス: 処理完了
システム内更新日: 2024-07-31 18:19:06.918721
Title: HandDAGT: A Denoising Adaptive Graph Transformer for 3D Hand Pose Estimation
Title（参考訳）: HandDAGT:3次元ハンドポース推定のための適応型グラフ変換器
Authors: Wencan Cheng, Eunji Kim, Jong Hwan Ko,
Abstract要約: 本稿では,ハンドポーズ推定のためのDenoising Adaptive Graph Transformer(HandDAGT)を提案する。特定のキーポイントを推定するための運動対応と局所幾何学的特徴の寄与を適応的に評価する新しい注意機構が組み込まれている。実験の結果,提案手法は4つの手ポーズベンチマークデータセットにおいて,既存の手法よりも有意に優れていた。
参考スコア（独自算出の注目度）: 15.606904161622017
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The extraction of keypoint positions from input hand frames, known as 3D hand pose estimation, is crucial for various human-computer interaction applications. However, current approaches often struggle with the dynamic nature of self-occlusion of hands and intra-occlusion with interacting objects. To address this challenge, this paper proposes the Denoising Adaptive Graph Transformer, HandDAGT, for hand pose estimation. The proposed HandDAGT leverages a transformer structure to thoroughly explore effective geometric features from input patches. Additionally, it incorporates a novel attention mechanism to adaptively weigh the contribution of kinematic correspondence and local geometric features for the estimation of specific keypoints. This attribute enables the model to adaptively employ kinematic and local information based on the occlusion situation, enhancing its robustness and accuracy. Furthermore, we introduce a novel denoising training strategy aimed at improving the model's robust performance in the face of occlusion challenges. Experimental results show that the proposed model significantly outperforms the existing methods on four challenging hand pose benchmark datasets. Codes and pre-trained models are publicly available at https://github.com/cwc1260/HandDAGT.
Abstract（参考訳）: 3Dハンドポーズ推定として知られる入力ハンドフレームからのキーポイント位置の抽出は、様々な人間とコンピュータのインタラクションアプリケーションに不可欠である。しかし、現在のアプローチは、手による自己閉塞と、相互作用する物体に対する自己閉塞の動的な性質に苦しむことが多い。この課題に対処するために,ハンドポーズ推定のためのDenoising Adaptive Graph Transformer, HandDAGTを提案する。提案したHandDAGTは、トランスフォーマー構造を利用して、入力パッチから有効な幾何学的特徴を徹底的に探索する。さらに、特定のキーポイントを推定するための運動対応と局所幾何学的特徴の寄与を適応的に評価する新しい注意機構も組み込まれている。この属性は、オクルージョン状況に基づいて、キネマティックおよび局所的な情報を適応的に使用することができ、その堅牢性と精度を高める。さらに,オクルージョン問題に直面したモデルの性能向上を目的とした,新たなデノベーショントレーニング戦略を導入する。実験の結果,提案手法は4つの手ポーズベンチマークデータセットにおいて,既存の手法よりも有意に優れていた。コードと事前訓練されたモデルはhttps://github.com/cwc1260/HandDAGT.comで公開されている。

関連論文リスト

Learning Interaction-aware 3D Gaussian Splatting for One-shot Hand Avatars [47.61442517627826]
本稿では,3次元ガウススプラッティング(GS)と単一画像入力と手を相互作用するアニマタブルアバターを提案する。提案手法は大規模なInterHand2.6Mデータセットの広範な実験により検証される。
論文参考訳（メタデータ） (2024-10-11T14:14:51Z)
SG-NeRF: Neural Surface Reconstruction with Scene Graph Optimization [16.460851701725392]
本稿では,外乱ポーズの影響を軽減するため,シーングラフを用いた放射場最適化手法を提案する。本手法では,シーングラフに基づく適応型不整合・不整合信頼度推定手法を取り入れた。また、カメラのポーズと表面形状を最適化するために、効果的な交叉結合(IoU)損失を導入する。
論文参考訳（メタデータ） (2024-07-17T15:50:17Z)
DICE: End-to-end Deformation Capture of Hand-Face Interactions from a Single Image [98.29284902879652]
DICEは1枚の画像から変形認識による手と顔のインタラクションを再現する最初のエンドツーエンド手法である。ローカルな変形場とグローバルなメッシュ位置の回帰を2つのネットワークブランチに切り離すことが特徴である。標準的なベンチマークと、精度と物理的妥当性の点から見れば、最先端のパフォーマンスを実現している。
論文参考訳（メタデータ） (2024-06-26T00:08:29Z)
UPose3D: Uncertainty-Aware 3D Human Pose Estimation with Cross-View and Temporal Cues [55.69339788566899]
UPose3Dは多視点人間のポーズ推定のための新しいアプローチである。直接的な3Dアノテーションを必要とせずに、堅牢性と柔軟性を向上させる。
論文参考訳（メタデータ） (2024-04-23T00:18:00Z)
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)
3D Hand Reconstruction via Aggregating Intra and Inter Graphs Guided by Prior Knowledge for Hand-Object Interaction Scenario [8.364378460776832]
モデルベースおよびモデルフリーアプローチの利点を生かした3次元ハンドリコンストラクションネットワークを提案する。まず,2次元関節から直接のMANOポーズパラメータ回帰モジュールを提案する。
論文参考訳（メタデータ） (2024-03-04T05:11:26Z)
Uncertainty-Aware Adaptation for Self-Supervised 3D Human Pose Estimation [70.32536356351706]
本稿では、2つの出力ヘッドを2つの異なる構成にサブスクライブする共通のディープネットワークバックボーンを構成するMPP-Netを紹介する。ポーズと関節のレベルで予測の不確実性を定量化するための適切な尺度を導出する。本稿では,提案手法の総合評価を行い,ベンチマークデータセット上での最先端性能を示す。
論文参考訳（メタデータ） (2022-03-29T07:14:58Z)
HandFoldingNet: A 3D Hand Pose Estimation Network Using Multiscale-Feature Guided Folding of a 2D Hand Skeleton [4.1954750695245835]
本稿では,高精度かつ効率的なポーズ推定器であるHandFoldingNetを提案する。提案モデルでは, 折り畳み型デコーダを用いて, 与えられた2次元手骨を対応する関節座標に折り畳む。実験結果から,提案モデルが既存の手法よりも優れていることが示された。
論文参考訳（メタデータ） (2021-08-12T05:52:44Z)
Self-Supervised 3D Hand Pose Estimation from monocular RGB via Contrastive Learning [50.007445752513625]
本稿では,3次元ポーズ推定における構造化回帰タスクに対する自己教師付き手法を提案する。我々は、不変および同変のコントラスト目的の影響を実験的に検討した。追加のラベル付きデータに基づいてトレーニングされた標準のResNet-152が、FreiHAND上のPA-EPEで7.6%の改善を実現していることを示す。
論文参考訳（メタデータ） (2021-06-10T17:48:57Z)
Enhanced 3D Human Pose Estimation from Videos by using Attention-Based Neural Network with Dilated Convolutions [12.900524511984798]
従来のネットワークや制約の形式が、どのように注意の枠組みに組み込むことができるのかを体系的な設計で示します。拡張畳み込みのマルチスケール構造により,時間受容場を適応させることにより,これを実現する。提案手法は,Human3.6Mデータセット上での関節位置誤差の平均を33.4mmに減らし,最先端性能を達成し,既存の手法よりも優れる。
論文参考訳（メタデータ） (2021-03-04T17:26:51Z)

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。