希腊色萨利大学提出无需相机参数的单目3D手部姿态估计方法
从单张彩色图像估计3D手部关节
（映维网Nweon 2025年10月27日）从单张彩色图像估计3D手部关节是一个重要的问题，在增强现实和虚拟现实等技术中都有应用。除了缺乏深度信息外，遮挡、关节活动的复杂性以及需要知晓camera参数都带来了额外的挑战。在一项研究中，希腊色萨利大学和Moverse团队提出了一个从2D关键点输入估计3D手部关节的优化流程，其中包括一个关键点对齐步骤和一个指尖损失，以克服需要知晓或估计camera参数的需求。
研究人员在EgoDexter和Dexter+Object基准上评估了所提出方法，结果表明其性能与最先进技术相比具有竞争力，同时在处理没有任何先验camera知识的in-the-wild图像时同样展现了其鲁棒性。尽管使用了手部先验知识，但定量分析凸显了2D关键点估计精度的重要性。
从单个RGB图像重建关节化的3D手部是计算机视觉中一个具有广泛应用，包括增强现实和虚拟现实。然而，由于缺乏深度信息、频繁的物体相关遮挡和自遮挡、未知的camera内参以及手部复杂的关节结构，这是一项艰巨的任务。在研究中，希腊色萨利大学和Moverse团队提出了一种无需先验camera参数知识的单目3D手部姿态估计的替代方法。
所提出方法利用了MediaPipe强大的2D关键点检测能力，结合一个两阶段优化流程，将MANO手部模型拟合到检测到的2D关键点。第一阶段执行刚性变换，将初始的MANO手部模型与2D检测结果对齐，建立粗略的3D姿态估计。第二阶段使用指尖对齐损失和解剖学约束来细化此估计，以确保物理上合理的手部配置。
......（全文 3314 字，剩余 2779 字）
请微信扫码通过小程序阅读完整文章或者登入网站阅读完整文章
映维网会员可直接登入网站阅读
PICO员工可联系映维网免费获取权限
