3D 손 자세 추정을 위한 효율적인 가상 뷰 선택

단일 깊이 영상에서의 3D 손 자세 추정은 컴퓨터 비전 분야의 핵심 문제이며, 다양한 응용 분야에서 중요한 역할을 한다. 그러나 손의 시점 변화 및 부분 가림 등으로 인해 기존의 방법들은 여전히 만족스러운 손 자세 추정 성능을 달성하지 못하고 있다. 본 논문에서는 단일 깊이 영상에서의 3D 손 자세 추정을 위한 새로운 가상 시점 선택 및 융합 모듈을 제안한다. 우리는 자동으로 여러 개의 가상 시점을 선택하여 각각에서 자세를 추정하고, 그 결과를 융합하는 방식을 제안하며, 실험적으로 이러한 접근이 정확하고 강건한 자세 추정을 가능하게 함을 확인하였다. 특히, 자세 융합에 가장 효과적인 가상 시점을 선택하기 위해, 경량화된 네트워크를 활용하여 네트워크 다이스틸리션 기법을 통해 가상 시점의 신뢰도를 평가한다. NYU, ICVL, Hands2019를 포함한 세 가지 주요 벤치마크 데이터셋에서의 실험 결과, 본 방법은 NYU 및 ICVL에서 기존 최고 성능 기법들을 초월하며, Hands2019-Task1에서는 매우 경쟁력 있는 성능을 달성하였다. 또한 제안한 가상 시점 선택 및 융합 모듈이 3D 손 자세 추정에 있어 효과적임을 입증하였다.