返回
DiffHand: Conditional diffusion for end-to-end hand mesh reconstruction
DOI:10.1016/j.jvcir.2026.104778.png)
摘要
En 中文
从单目图像进行手部网格重建是一项具有挑战性的任务,由于存在深度模糊和严重的遮挡问题。尽管扩散模型是生成高质量图像的有效工具,但其在手部网格重建中的应用尚未得到充分探索。为解决从单目图像进行手部网格重建的问题,我们开发了DiffHand,一种基于扩散的框架,将手部网格重建视为一个去噪扩散过程。我们的一阶段流水线利用扩散过程对前向过程中的中间手部网格分布进行建模。我们重新表述了扩散过程,以逐步细化噪声网格,并使用输入图像引导每一步选择概率最高的网格。这种迭代方法避免了依赖检测2D关节作为中间表示。为更好地建模手部顶点的连接性,我们设计了一个名为跨模态解码器的新型网络模块。在流行基准上的大量实验表明,我们的方法通过在Freihand测试集上实现5.8 mm的PA-MPJPE、在DexYCB测试集上实现4.98 mm的PA-MPJPE,超越了当前最先进的手部网格重建方法。这凸显了扩散模型在单目手部网格重建中的潜力。
Keyword:
Diffusion model
Hand mesh reconstruction
期刊
IF:
3.1
论文数:
540
被引数:
5.6K
机构
引用论文
Keypoint Transformer: Solving Joint Identification in Challenging Hands and Object Interactions for Accurate 3D Pose Estimation关键点变压器: 解决具有挑战性的手和物体交互中的联合识别,以实现准确的3D姿态估计
SRDiff: Single image super-resolution with diffusion probabilistic modelsSRDiff: 具有扩散概率模型的单幅图像超分辨率
NEUROCOMPUTING
IF6.5

