文献

J-GLOBAL ID：201802232698365715   整理番号：18A1905309

DEEPEPS:合成深度からの学習による3D手の姿勢と形状のエンドツーエンド推定【JST・京大機械翻訳】

DeepHPS: End-to-end Estimation of 3D Hand Pose and Shape by Learning from Synthetic Depth

著者 (7件)： Malik Jameel ,  Elhayek Ahmed ,  Nunnari Fabrizio ,  Varanasi Kiran ,  Tamaddon Kiarash ,  Heloir Alexis ,  Stricker Didier
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： 3DV  ページ： 110-119  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 関節ハンド姿勢と形状推定は,拡張現実感とアニメーションのような視覚ベース応用のための重要な問題である。ジョイント位置のみを最適化する既存の方法とは対照的に,完全な三次元ハンドメッシュ表現と単一の深さ画像からの姿勢を同時に推定するために学習する完全に監視された深いネットワークを提案した。この目的のために,CNNアーキテクチャを用いて,パラメトリック表現,すなわち手の姿勢,骨スケールおよび複雑な形状パラメータを推定した。次に,著者らの深いフレームワークの中に埋め込まれた新しいハンド姿勢と形状層は,3Dジョイント位置とハンドメッシュを作り出す。手の形状を変えた十分な訓練データの欠如は,学習に基づく方法の一般化性能を制限する。また,実データを人手で注釈することは準最適である。従って,著者らはSynHand5M:正確なジョイントアノテーション,セグメンテーションマスクおよび深さマップのメッシュファイルを有するミリオンスケール合成ベンチマークを提示した。モデルに基づく学習(ハイブリッド)法の中で,著者らは公開ベンチマークの2つ,すなわちNYUとICVLに関する改善された結果を示した。また,実データと合成データによる共同訓練戦略を採用することにより,3Dハンドメッシュを復元し,30msにおいて実画像から姿勢を復元した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  画像 ,  計算機アーキテクチャ ,  *エンドツーエンド方式 ,  視覚 ,  セグメンテーション ,  ベンチマーク ,  *学習 ,  アニメーション ,  ネットワーク ,  拡張現実感 ,  *三次元 ,  アノテーション
準シソーラス用語： 訓練データ ,  形状推定 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 深度 ,  学習 ,  3D ,  姿勢 ,  エンドツーエンド ,  推定