Fugu-MT 論文翻訳(概要): Hand Visibility Detector: Per-Keypoint Visibility Estimation for Hands

論文の概要: Hand Visibility Detector: Per-Keypoint Visibility Estimation for Hands

arxiv url: http://arxiv.org/abs/2608.11574v1
Date: Wed, 12 Aug 2026 02:31:10 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-13 19:07:54.435149
Title: Hand Visibility Detector: Per-Keypoint Visibility Estimation for Hands
Title（参考訳）: 手指視認性検出器:手指のキーポイントごとの視認性推定
Abstract要約: HPE(Hand Pose Estimation)は、AR/VRやロボティクスなどの様々な応用のための基礎技術である。視界推定は主にポーズ推定を改善する補助信号として使われてきた。本研究では,手関節の視認性を推定するモデルである手指視認性検出器を提案する。
参考スコア（独自算出の注目度）: 7.635491142428211
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: Hand Pose Estimation (HPE) is a fundamental technology for various applications such as AR/VR and robotics. In these applications, the visibility of each hand joint in the image is crucial for assessing the reliability of estimation results under occlusion. However, most existing HPE methods output joint positions without explicitly indicating their visibility. Although some methods account for occlusion or visibility, visibility estimation has mainly been used as an auxiliary signal for improving pose estimation. To our knowledge, per-joint hand visibility estimation has not been systematically studied as a standalone task. In this work, we propose Hand Visibility Detector, a model for estimating the visibility of individual hand joints, and present the first systematic investigation of visibility estimation as an independent task. We show that leveraging the prior knowledge of HPE models pretrained on large-scale data as a backbone yields high performance in this task. We further demonstrate the utility of Hand Visibility Detector on a downstream task of 3D hand pose annotation via multi-view triangulation of 2D keypoints, showing that visibility-weighted triangulation reduces reprojection error. Our method is released as a ready-to-use package, and the code and demo are available at https://github.com/ryhara/hand_visibility_detector .
Abstract（参考訳）: HPE(Hand Pose Estimation)は、AR/VRやロボティクスといった様々な応用のための基礎技術である。これらの応用において、画像中の各手関節の視認性は、閉塞下の推定結果の信頼性を評価するために重要である。しかし、既存のHPE手法のほとんどは、その可視性を明確に示さずに関節位置を出力する。隠蔽や視認性を考慮に入れている手法もあるが、視覚的推定は主にポーズ推定を改善する補助信号として用いられている。我々の知る限り、手先視認性評価は独立したタスクとして体系的に研究されていない。本研究では,手関節の視認性を推定するモデルである手指視認性検出器を提案する。本研究では,大規模データに事前学習したHPEモデルの事前知識をバックボーンとして活用することにより,高い性能が得られることを示す。さらに,2次元キーポイントの多視点三角測量による3次元手ポーズアノテーションの下流タスクにおける手視認性検出器の有用性を示す。私たちのメソッドは使用可能なパッケージとしてリリースされ、コードとデモはhttps://github.com/ryhara/hand_visibility_detector で公開されている。

関連論文リスト

Egocentric Visibility-Aware Human Pose Estimation [9.163792167334162]
大規模エゴセントリックな視界対応HPEデータセットであるEva-3Mを提案し,その内435Kにキーポイント可視性ラベルを付加した。 EvaPoseは、視覚情報を明示的に組み込んで、ポーズ推定精度を高める新しいエゴセントリックな視界認識型HPE手法である。
論文参考訳（メタデータ） (2026-02-27T02:50:02Z)
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)
UniHOPE: A Unified Approach for Hand-Only and Hand-Object Pose Estimation [82.93208597526503]
既存のメソッドは、オブジェクトと対話する素手または手に焦点を当てて、特殊化されている。他のシナリオに適用しても、どちらのメソッドも柔軟にシナリオとパフォーマンスの低下を処理できません。汎用的な3次元手動ポーズ推定のための統一的なアプローチであるUniHOPEを提案する。
論文参考訳（メタデータ） (2025-03-17T15:46:43Z)
In My Perspective, In My Hands: Accurate Egocentric 2D Hand Pose and Action Recognition [1.4732811715354455]
アクション認識は、エゴセントリックなビデオ理解に不可欠であり、ユーザの努力なしに日々の生活活動(ADL)の自動的かつ継続的なモニタリングを可能にする。既存の文献では、計算集約的な深度推定ネットワークを必要とする3Dハンドポーズ入力や、不快な深度センサーを装着することに焦点を当てている。 EffHandEgoNetとEffHandEgoNetの2つの新しい手法を導入する。
論文参考訳（メタデータ） (2024-04-14T17:33:33Z)
VAPO: Visibility-Aware Keypoint Localization for Efficient 6DoF Object Pose Estimation [52.81869878956534]
2次元画像における3Dキーポイントの局所化は、インスタンスレベルの6DoFオブジェクトのポーズ推定のための3D-2D対応を確立する効果的な方法である。本稿では、重要なキーポイントを可視性の観点からローカライズすることでこの問題に対処する。我々は、可視性を考慮した重要度と最先端のポーズ推定アルゴリズムを統合することにより、VAPO(Visibility-Aware POse estimator)を構築する。
論文参考訳（メタデータ） (2024-03-21T16:59:45Z)
RadOcc: Learning Cross-Modality Occupancy Knowledge through Rendering Assisted Distillation [50.35403070279804]
マルチビュー画像を用いた3次元シーンの占有状況とセマンティクスを推定することを目的とした,新たな課題である3D占有予測手法を提案する。本稿では,RandOccを提案する。Rendering Assisted distillation paradigm for 3D Occupancy prediction。
論文参考訳（メタデータ） (2023-12-19T03:39:56Z)
Unsupervised 3D Keypoint Discovery with Multi-View Geometry [104.76006413355485]
本研究では,多視点画像から人体上の3Dキーポイントを,監督やラベルなしで発見するアルゴリズムを提案する。我々の手法は、他の最先端の教師なしアプローチと比較して、より解釈可能で正確な3Dキーポイントを発見する。
論文参考訳（メタデータ） (2022-11-23T10:25:12Z)
HMD-EgoPose: Head-Mounted Display-Based Egocentric Marker-Less Tool and Hand Pose Estimation for Augmented Surgical Guidance [0.0]
HMD-EgoPoseは、手動とオブジェクトのポーズ推定のための単発学習に基づくアプローチである。マーカーレスハンドと手術器具のポーズトラッキングのためのベンチマークデータセット上で,最先端の性能を示す。
論文参考訳（メタデータ） (2022-02-24T04:07:34Z)
3D Hand Pose and Shape Estimation from RGB Images for Improved Keypoint-Based Hand-Gesture Recognition [25.379923604213626]
本稿では3次元手とポーズ推定のためのキーポイントに基づくエンドツーエンドフレームワークを提案する。研究ケースとして手身認識タスクにうまく適用できる。
論文参考訳（メタデータ） (2021-09-28T17:07:43Z)
Probabilistic and Geometric Depth: Detecting Objects in Perspective [78.00922683083776]
3次元物体検出は、運転支援システムなどの様々な実用用途で必要とされる重要な機能である。双眼視やLiDARに頼っている従来の設定に比べて、経済的な解決策として単眼3D検出が注目されているが、それでも満足のいく結果が得られていない。本稿ではまず,この問題に関する系統的研究を行い,現在の単分子3次元検出問題をインスタンス深度推定問題として単純化できることを考察する。
論文参考訳（メタデータ） (2021-07-29T16:30:33Z)

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。