Medlar Tea

论文地址：https://arxiv.org/pdf/1812.117881.引言1.1 问题描述6D Pose Estimation的目标是检测出物体，并求得它们的位置和朝向，实际上就是求得从物体坐标系到相机坐标系的(R,t)。所以算法的输入是一张rgb图像、3D keypoints、bbox_8，输出是(R,t)，最终展现的效果是：bbox_8经过旋转、平移、2D映射之后，投影在原...

1.导论1.1算法的输入和输出输入：一张RGB图片（in test，还需知道相机的内参、手掌的boudingbox，用来将uvd坐标转换为xyz坐标）；输出：Mesh手掌模型（由图结构节点所定义的）、3D Hand Pose1.2作者的逻辑作者认为，从single RGB中恢复3D mesh有以下挑战： “3D hand mesh的众多vertices代表着高维度的输出生成”，通常...

1.导论1.1背景作者认为，虽然现在有许多通过单目相机和卷积神经网络估计2D、3D手掌姿态的方法。但是它们只专注于估计稀疏的关键点，对于手-物交互的推理是不足矣的。而稠密的3D重建有point clouds、有mesh surfaces，作者选用了后者，因为作者认为它能够更好地表现手物交互。本文中，作者主要是利用物体操作过程中手和物体的约束，来重建手和物体模型，并同时建模它们的互动行为...

论文地址:https://arxiv.org/abs/1902.034511.导论1.1本文亮点在我看来，本文的亮点在于作者运用了一个reprojection，它可以得到弱透视模型下的相机参数，使生成的MANO手掌模型可以投影至2D图像，并获得2D hand pose。如此便可以使用含有大量2D hand pose的数据集进行训练，以解决3D Hand-Object Pose数据集不...