CVPR 2020｜开源实时“人手-物体”姿态估计算法HOPE-Net

点击上方“计算机视觉life”，选择“星标”

快速获得最新干货

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：

作者的核心思想是使用轻量级CNN网络 + 两步图卷积级联网络。

如上所示，图片经过ResNet10网络进行特征编码，并预测初始2D坐标点（人手关节点和物体8个顶点），然后将得到的2D坐标点和图像特征进行图卷积，得到提精的2D坐标点，然后再将得到结果输入作者提出的自适应图U-Net网络（Adaptive Graph U-Net），得到最终的人手和物体的3D坐标。

自适应图U-Net架构如下：

损失函数分三部分：

实验结果

作者在First-Person Hand Action 和 HO-3D 数据集上进行了实验，并与之前的方法进行了比较。

下图分别代表与其他方法在2D 关键点和3D关键点上的结果比较：

可见，该文方法在精度上取得了一致的提高。

部分检测结果可视化：

该方法计算速度很快，在Nvidia titan Xp GPU上运行，整个推断过程仅需要0.005s。

值得一提的是，该文使用的两步自适应图卷积的方法不仅适用于“人手-物体”姿态估计，在其他需要将2D坐标点3D化的场合都可以使用。

论文地址：

https://arxiv.org/abs/2004.00060

代码地址：

https://github.com/bardiadoosti/HOPE/

喜欢这样的论文分享吗？欢迎文末点在看鼓励我^_^

END

交流群

欢迎加入公众号读者群一起和同行交流，目前覆盖SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群，请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~

投稿、合作也欢迎联系：simiter@126.com

好赞！看完分享一下啦~