[ICCV2023]RenderIH:用于3D交互手部姿态估计的大规模合成数据集

本文主要是介绍[ICCV2023]RenderIH:用于3D交互手部姿态估计的大规模合成数据集,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

这篇论文的标题是《RenderIH: A Large-scale Synthetic Dataset for 3D Interacting Hand Pose Estimation》,作者是Lijun Li, Linrui Tian, Xindi Zhang, Qi Wang, Bang Zhang, Mengyuan Liu, 和 Chen Chen。他们来自阿里巴巴集团、上海人工智能实验室、北京大学机器感知重点实验室、佛罗里达中央大学计算机视觉研究中心。

摘要

现有的交互手(IH)数据集在背景和纹理方面相对简单,手部关节由机器注释器标注,可能导致不准确,且姿态分布的多样性有限。然而,背景、姿态分布和纹理的可变性可以极大地影响泛化能力。因此,我们提出了一个大规模的合成数据集——RenderIH——用于具有准确和多样化姿态注释的交互手。数据集包含1M张具有不同背景、视角和手部纹理的照片真实感图像。为了生成自然和多样化的交互姿态,我们提出了一种新的姿态优化算法。此外,为了提高姿态估计的准确性,我们引入了一个基于变换器的手势估计网络TransHand,并验证了RenderIH在改进结果方面的有效性。我们的数据集是模型不可知的,可以提高任何手部姿态估计方法的准确性,与其他真实或合成数据集相比。实验表明,在我们合成数据上预训练可以显著降低误差,从6.76mm降低到5.79mm,我们的TransHand超越了当代方法。我们的数据集和代码可在以下链接获取:https://github.com/adwardlee/RenderIH。

在这里插入图片描述

在这里插入图片描述

主要贡献

  • 提出了一种优化方法,用于生成有效和自然的手部交互姿态,这些姿态紧密耦合并避免相互穿透。
  • 设计了高质量的图像合成系统,结合了丰富的纹理、背景和照明,确保了生成图像的多样性和现实性。
  • 基于我们的数据生成系统,构建了一个大规模的高保真合成交互手数据集RenderIH,包含100万张合成图像和10万个交互手姿态。据我们所知,这是迄今为止最大和最高质量的合成交互数据集。
  • 进行了广泛的实验来验证我们提出的RenderIH数据集的有效性。结果表明,借助我们的合成数据集,使用仅10%的真实数据就可以实现与在真实手部数据上训练的模型相当的准确性。我们还提出了一个基于变换器的网络,利用我们的数据集并取得了最先进的结果。

相关工作

论文回顾了现实手部数据集和合成手部数据集的相关研究,讨论了它们的挑战和局限性。

RenderIH数据集

RenderIH数据集的主要贡献是交互手姿态优化方法,可以生成有效和自然的手部姿态。在论文中,有效的姿态是指非穿透的手部且符合解剖约束。自然的姿态不仅符合解剖学,而且在日常活动中经常发生。我们均匀地结合了生成的姿态,包括各种手部纹理、高动态范围(HDR)背景和摄像机视角。所有收集的样本都是独立采样的,以创建尽可能多样化的图像。

方法

  • 提出了一种新的手部姿态生成算法。
  • 展示了如何渲染合成图像。
  • 简要介绍了RenderIH数据集的一些统计信息。

实验

  • 在IH2.6M数据集上进行了大部分实验。
  • 实验设置、实现细节、评估指标和结果分析。

结论

本文提出了一个新的大规模合成数据集RenderIH,用于3D IH姿态估计。通过各种实验研究了RenderIH的有效性。通过使用全部合成手部图像和仅10%的真实手部图像,我们可以实现与在所有真实手部图像上训练的相同方法相当的精度。我们希望这个数据集能够成为开发不依赖真实数据并且能够适应各种场景的3D IH姿态估计模型的有意义的一步。

补充材料

补充材料包含了由于空间限制而无法包含在主要手稿中的额外信息。我们将首先提供有关数据集的更多详细信息。然后,我们将简要讨论我们方法中的姿

这篇关于[ICCV2023]RenderIH:用于3D交互手部姿态估计的大规模合成数据集的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/922356

相关文章

Pandas统计每行数据中的空值的方法示例

《Pandas统计每行数据中的空值的方法示例》处理缺失数据(NaN值)是一个非常常见的问题,本文主要介绍了Pandas统计每行数据中的空值的方法示例,具有一定的参考价值,感兴趣的可以了解一下... 目录什么是空值?为什么要统计空值?准备工作创建示例数据统计每行空值数量进一步分析www.chinasem.cn处

如何使用 Python 读取 Excel 数据

《如何使用Python读取Excel数据》:本文主要介绍使用Python读取Excel数据的详细教程,通过pandas和openpyxl,你可以轻松读取Excel文件,并进行各种数据处理操... 目录使用 python 读取 Excel 数据的详细教程1. 安装必要的依赖2. 读取 Excel 文件3. 读

Spring 请求之传递 JSON 数据的操作方法

《Spring请求之传递JSON数据的操作方法》JSON就是一种数据格式,有自己的格式和语法,使用文本表示一个对象或数组的信息,因此JSON本质是字符串,主要负责在不同的语言中数据传递和交换,这... 目录jsON 概念JSON 语法JSON 的语法JSON 的两种结构JSON 字符串和 Java 对象互转

C++如何通过Qt反射机制实现数据类序列化

《C++如何通过Qt反射机制实现数据类序列化》在C++工程中经常需要使用数据类,并对数据类进行存储、打印、调试等操作,所以本文就来聊聊C++如何通过Qt反射机制实现数据类序列化吧... 目录设计预期设计思路代码实现使用方法在 C++ 工程中经常需要使用数据类,并对数据类进行存储、打印、调试等操作。由于数据类

SpringBoot使用GZIP压缩反回数据问题

《SpringBoot使用GZIP压缩反回数据问题》:本文主要介绍SpringBoot使用GZIP压缩反回数据问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录SpringBoot使用GZIP压缩反回数据1、初识gzip2、gzip是什么,可以干什么?3、Spr

Python实现word文档内容智能提取以及合成

《Python实现word文档内容智能提取以及合成》这篇文章主要为大家详细介绍了如何使用Python实现从10个左右的docx文档中抽取内容,再调整语言风格后生成新的文档,感兴趣的小伙伴可以了解一下... 目录核心思路技术路径实现步骤阶段一:准备工作阶段二:内容提取 (python 脚本)阶段三:语言风格调

SpringBoot集成Milvus实现数据增删改查功能

《SpringBoot集成Milvus实现数据增删改查功能》milvus支持的语言比较多,支持python,Java,Go,node等开发语言,本文主要介绍如何使用Java语言,采用springboo... 目录1、Milvus基本概念2、添加maven依赖3、配置yml文件4、创建MilvusClient

SpringValidation数据校验之约束注解与分组校验方式

《SpringValidation数据校验之约束注解与分组校验方式》本文将深入探讨SpringValidation的核心功能,帮助开发者掌握约束注解的使用技巧和分组校验的高级应用,从而构建更加健壮和可... 目录引言一、Spring Validation基础架构1.1 jsR-380标准与Spring整合1

MySQL 中查询 VARCHAR 类型 JSON 数据的问题记录

《MySQL中查询VARCHAR类型JSON数据的问题记录》在数据库设计中,有时我们会将JSON数据存储在VARCHAR或TEXT类型字段中,本文将详细介绍如何在MySQL中有效查询存储为V... 目录一、问题背景二、mysql jsON 函数2.1 常用 JSON 函数三、查询示例3.1 基本查询3.2

SpringBatch数据写入实现

《SpringBatch数据写入实现》SpringBatch通过ItemWriter接口及其丰富的实现,提供了强大的数据写入能力,本文主要介绍了SpringBatch数据写入实现,具有一定的参考价值,... 目录python引言一、ItemWriter核心概念二、数据库写入实现三、文件写入实现四、多目标写入