CVPR 2020论文HOPE-Net提出了一种基于自适应图卷积的"人手-物体"姿态估计算法，实现高精度、快速的3D检测，已在GPU上实现实时运行。该模型通过轻量级CNN和图卷积网络提升2D到3D坐标的准确性，并在First-Person Hand Action和HO-3D数据集上取得优异效果。代码已开源。
向大家安利一篇CVPR 2020的论文 HOPE-Net: A Graph-based Model for Hand-Object Pose Estimation，基于自适应图卷积技术，作者提出了一种称之为HOPE-Net的“人手-物体”姿势估计模型，在这个问题上不仅计算结果精度更高、速度也更快，GPU上达到实时！而且代码已开源。
以下是作者信息：
作者来自美国印第安纳大学和华盛顿大学。
何为“人手-物体”姿势估计？
如下图所示：
在手拿物体这个动作时，对人手和物体分别进行3D检测，输出物体的2D和3D顶点和手部的关节点。对于理解场景中的人-物交互可以带来很多信息。
提出算法
下图为作者提出算法的流程图：
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
