摘要

随着三维手部姿态估计在人机交互等各类应用中的日益普及，基于卷积神经网络（CNN）的估计模型得到了广泛关注与研究。然而，现有模型通常需要复杂的网络结构或冗余的计算资源，以换取可接受的估计精度。为解决这一局限性，本文提出了一种高效且高精度的手部姿态估计算法——HandFoldingNet。该模型通过从归一化的三维手部点云输入中回归手部关节位置，实现精准姿态估计。所提模型采用基于“折叠”机制的解码器结构，将给定的二维手部骨架逐步折叠至对应的空间关节坐标。为提升估计精度，折叠过程由多尺度特征引导，这些特征包含全局上下文信息与关节级局部特征。实验结果表明，HandFoldingNet在三个主流手部姿态估计基准数据集上均优于现有方法，同时在模型参数量方面达到最低水平。代码已开源，地址为：https://github.com/cwc1260/HandFold。