FreiHAND

从单个 RGB 图像估计 3D 手部姿势是一个高度模糊的问题，它依赖于无偏的训练数据集。在本文中，我们分析了在现有数据集上进行训练时的跨数据集泛化。我们发现这些方法在他们训练的数据集上表现良好，但不能推广到其他数据集或野外场景。因此，我们引入了第一个伴随 3D 手部姿势和形状注释的大规模多视图手部数据集。为了注释这个真实世界的数据集，我们提出了一种迭代的、半自动的“人在环”方法，其中包括手部拟合优化，以推断每个样本的 3D 姿势和形状。我们表明，在我们的数据集上训练的方法在其他数据集上测试时始终表现良好。此外，该数据集允许我们训练一个网络，该网络可以从单个 RGB 图像中预测完整的关节手形。