每日 Arxiv

本页面整理了世界各地发表的人工智能相关论文。
本页面使用 Google Gemini 汇总而成，并以非盈利为基础运营。
论文版权归作者及相关机构所有，分享时请注明出处。

日常图像中的双手 3D 手部运动和关节预测

Created by
  • Haebom

作者

阿迪亚·普拉卡什、大卫·福赛思、索拉布·古普塔

大纲

我们致力于解决从单幅图像预测日常环境中双手的 3D 运动和关节问题。为了解决多样化环境中 3D 手部标注的缺失问题，我们设计了一个基于扩散模型的标注流程，将 2D 手部关键点序列转换为 4D 手部运动。对于预测模型，我们采用了扩散损失函数来解释手部运动分布的多模态性。通过在六个数据集上进行大量实验，我们展示了使用带标注标签进行多样化数据训练的优势（提升 14%），以及转换模型（提升 42%）和预测模型（提升 16.4%）的有效性，并在日常图像上展现了卓越的零样本泛化性能。

Takeaways, Limitations

•
Takeaways：
◦
通过多样化数据学习提高性能（提高 14%）
◦
2D 到 4D 转换模型的有效性（提高 42%）
◦
预测模型的有效性（提高16.4%）
◦
在日常图像上具有出色的零样本泛化性能
•
Limitations：
◦
论文中没有具体提及 Limitations。
👍
Made with Slashpage