Core Concepts
本研究では、ハンド間の交差を最小化することで、単一画像からの相互作用する3Dハンド姿勢推定の精度を向上させる。
Abstract
本研究では、単一画像からの相互作用する3Dハンド姿勢推定の精度向上を目的としている。
まず、ハンドメッシュの新しい表現方法を提案し、従来のMANOモデルよりも優れた特性を持つ。
次に、オキュパンシーネットワークを用いて、ハンドの体積を連続的な多様体として表現する。これにより、任意の3Dポイントがハンド内部にあるかどうかを判定できる。
提案手法では、オキュパンシーネットワークを用いて、ハンド間の交差を最小化するための損失関数を定義する。これにより、ステートオブザアートの手法と比較して、ハンド間の交差を大幅に減少させることができる。
さらに、INTERHAND2.6M、RE:INTERHAND、SMILEデータセットを用いた実験により、提案手法の有効性を示している。特に、SMILEデータセットを用いた実験では、ノイズの影響下でも提案手法が優れた性能を発揮することを確認している。
Stats
ハンド間の交差が減少した割合は、レイキャスティングアルゴリズムで18.51%から43.21%、オキュパンシーネットワークで14.13%から41.55%であった。