論文の概要: ScaleHP: Estimating Hand Pose in Metric Space

• arxiv url: http://arxiv.org/abs/2606.25619v1
• Date: Wed, 24 Jun 2026 09:26:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-25 17:05:30.294241
• Title: ScaleHP: Estimating Hand Pose in Metric Space
• Title（参考訳）: ScaleHP: メトリクス空間におけるハンドポースの推定
• Abstract要約: 距離空間ハンドポーズ推定は、没入型人間とコンピュータの相互作用とロボット工学にとって不可欠である。 本研究では,人間の手骨の内在的比例関係が,人類学的な先行を包含していることを観察する。 本稿では,エンド・ツー・エンドのワンステージポーズ推定フレームワークであるScaleHPを紹介する。
• 参考スコア（独自算出の注目度）: 47.87594046010537
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurate metric-space hand pose estimation (HPE) is essential for immersive human-computer interaction and robotics. However, most existing methods predict poses in a root-relative coordinate system and cannot estimate the hand in absolute metric scale. In this work, we observe that the intrinsic proportional relationships among human hand bones encode stable anthropometric priors that implicitly correlate with the overall metric size of the hand. Leveraging this insight, we present ScaleHP, an end-to-end one-stage hand pose estimation framework that bypasses fragile extrinsic depth modules to recover the hand in metric space. ScaleHP employs a transformer-based decoder with a novel scale token to fuse multi-scale morphological and appearance features. By solving for metric coordinates through a perspective-constrained least-squares approach, we achieve high-precision pose estimation in the camera coordinate system. ScaleHP delivers state-of-the-art performance, including 35.8 CS-MPJPE on FreiHand and 4.6/5.9 PA-MPJPE on DexYCB and HO3Dv3. These results demonstrate that internal biological constraints significantly reduce relative geometry and absolute metric errors, offering a robust solution for generalized, real-world hand tracking.
• Abstract（参考訳）: 正確な距離空間ハンドポーズ推定(HPE)は、没入型人間とコンピュータの相互作用とロボット工学に不可欠である。 しかし、既存のほとんどの手法は、ルート相対座標系におけるポーズを予測し、絶対距離スケールでは手を推定できない。 本研究では,人間の手骨の内在的比例関係が,手全体のメートル法の大きさと暗黙的に相関する,安定な人文的前兆を符号化していることを観察する。 この知見を生かしたScaleHPは、フレキシブルな外生深度モジュールをバイパスして距離空間で手を回復する、エンドツーエンドのワンステージポーズ推定フレームワークである。 ScaleHPは、マルチスケール形態および外観特徴を融合するために、新しいスケールトークンを備えたトランスフォーマーベースのデコーダを使用している。 視点制約付き最小二乗アプローチによる距離座標の解法により,カメラ座標系における高精度ポーズ推定を実現する。 ScaleHPは、FreiHandの35.8 CS-MPJPE、DexYCBとHO3Dv3の4.6/5.9 PA-MPJPEなど、最先端のパフォーマンスを提供している。 これらの結果は、内部の生物学的制約が相対幾何学と絶対距離誤差を著しく減少させ、一般化された実世界の手追跡のための堅牢な解を提供することを示した。

関連論文リスト

• HandMCM: Multi-modal Point Cloud-based Correspondence State Space Model for 3D Hand Pose Estimation [60.2305990057581]
  3Dハンドポーズ推定は、拡張現実のような多くの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とって不可欠である。 HandMCMは強力な状態空間モデル(Mamba)に基づく新しい手法である
  論文  参考訳（メタデータ） (2026-02-02T03:25:43Z)
• Learning Correlation-aware Aleatoric Uncertainty for 3D Hand Pose Estimation [29.05126213133674]
  本稿では3次元ポーズ推定フレームワークにアレータリック不確実性モデリングを導入する。 本稿では,手関節の内在的相関を捉えるために,単一の線形層を利用する新しいパラメータ化を提案する。 実験により,不確実性モデリングのパラメータ化が既存手法より優れていることが示された。
  論文  参考訳（メタデータ） (2025-09-01T08:31:01Z)
• VQ-HPS: Human Pose and Shape Estimation in a Vector-Quantized Latent Space [43.368963897752664]
  この研究は、ヒューマン・ポースと形状推定の問題に対処する新しいパラダイムを導入している。 身体モデルパラメータを予測する代わりに、提案した離散潜在表現を予測することに重点を置いている。 提案モデルであるVQ-HPSはメッシュの離散潜在表現を予測する。
  論文  参考訳（メタデータ） (2023-12-13T17:08:38Z)
• X-HRNet: Towards Lightweight Human Pose Estimation with Spatially Unidimensional Self-Attention [63.64944381130373]
  特に, 主ポーズ推定法は, 2次元単一ピークヒートマップを用いて人間の関節を推定する。 本稿では,空間的一次元自己認識(SUSA)という軽量で強力な代替手段を,ポイントワイズ(1×1)の畳み込みに導入する。 我々のSUSAは、ポイントワイド(1x1)畳み込みの計算複雑性を、精度を犠牲にすることなく96%削減する。
  論文  参考訳（メタデータ） (2023-10-12T05:33:25Z)
• Lightweight Estimation of Hand Mesh and Biomechanically Feasible Kinematic Parameters [9.477719717840683]
  画像から手メッシュを効率的に推定するために,従来提案していた画像-画像-画像間アプローチの効率的なバリエーションを提案する。 Inverted kinematic (IK) network to convert the estimated hand mesh to a biomechanically feasible set of joint rotation parameters。 我々のLite I2L Mesh Netは、計算複雑性全体の13%以下で最先端の関節およびメッシュ推定精度を達成する。
  論文  参考訳（メタデータ） (2023-03-26T22:24:12Z)
• Pose-Oriented Transformer with Uncertainty-Guided Refinement for 2D-to-3D Human Pose Estimation [51.00725889172323]
  本研究では,3次元ポーズ推定のための不確実性ガイド付き多目的変換器(POT)を提案する。 我々はまず,人骨のトポロジーを明示的に活用するために,新しいポーズ指向の自己注意機構と距離関連位置埋め込みを開発した。 本稿では,特に難解な関節に対するPOTからのポーズ予測を洗練させるために,不確実性誘導型リファインメントネットワーク(UGRN)を提案する。
  論文  参考訳（メタデータ） (2023-02-15T00:22:02Z)
• Back to MLP: A Simple Baseline for Human Motion Prediction [59.18776744541904]
  本稿では、歴史的に観察されたシーケンスから将来の身体のポーズを予測することによる、人間の動作予測の課題に取り組む。 これらの手法の性能は、0.14Mパラメータしか持たない軽量で純粋にアーキテクチャアーキテクチャによって超えることができることを示す。 Human3.6M, AMASS, 3DPWデータセットの徹底的な評価は, siMLPeをダブした我々の手法が, 他のアプローチよりも一貫して優れていることを示している。
  論文  参考訳（メタデータ） (2022-07-04T16:35:58Z)
• HHP-Net: A light Heteroscedastic neural network for Head Pose estimation with uncertainty [2.064612766965483]
  そこで,本研究では,頭部キーポイントの小さなセットから始まる,単一画像中の人物の頭部ポーズを推定する新しい手法を提案する。 私たちのモデルは実装が簡単で、芸術の状況に関してより効率的です。
  論文  参考訳（メタデータ） (2021-11-02T08:55:45Z)
• Measuring Generalisation to Unseen Viewpoints, Articulations, Shapes and Objects for 3D Hand Pose Estimation under Hand-Object Interaction [137.28465645405655]
  HANDS'19は、現在の3Dハンドポーズ推定器(HPE)がトレーニングセットのポーズを補間し、外挿する能力を評価するための課題である。 本研究では,最先端手法の精度が低下し,トレーニングセットから外れたポーズでほとんど失敗することを示す。
  論文  参考訳（メタデータ） (2020-03-30T19:28:13Z)
• Metric-Scale Truncation-Robust Heatmaps for 3D Human Pose Estimation [16.463390330757132]
  被検体近傍の計量3次元空間で次元が定義される計量スケールトランケーション・ローバスト体積熱マップを提案する。 我々は、モノラルなRGBからその熱マップをエンドツーエンドに推定するために、完全な畳み込みネットワークを訓練する。 提案手法は単純かつ高速であるため,リアルタイムなトップダウンマルチパーソンポーズ推定システムにおいて有用なコンポーネントとなる。
  論文  参考訳（メタデータ） (2020-03-05T22:38:13Z)

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。