xinghaochen/awesome-hand-pose-estimation

这个项目是什么

awesome-hand-pose-estimation 是一个关于手部姿态估计研究资源的精选参考列表（一个“awesome 列表”）——手部姿态估计是计算机视觉任务，旨在确定手的位置以及关节如何定位，通常基于图像或深度数据。

它不是你可以运行的软件。它是一个阅读列表，收集了论文、数据集和其他材料，每个都附有 PDF 链接，有时还有代码或项目页面的链接。

它包含什么

根据 README，该列表按以下部分组织：

• 评估 — 指向一个名为 evaluation 的文件夹，其中包含有关手部姿态性能如何测量的详细信息。
• arXiv 论文 — 预印本论文，每篇都有标题、作者以及 arXiv 页面和 PDF 的链接。有些还链接到代码、项目页面或数据集。
• 期刊论文 — 同行评审的期刊文章，分为两组：
  • TPAMI / IJCV（两个顶级计算机视觉期刊）
  • 其他期刊（例如 TIP、TCSVT、Neurocomputing、Sensors 等）
• 会议论文 — 来自主要会议（CVPR、ECCV、ICCV 等）的论文，按年份从 2014 到 2025 组织。（README 的目录列出了此部分，但提供的文本中未显示详细条目。）
• 学位论文 — 学术论文（列在目录中，详细信息未显示）。
• 数据集 — 分为深度、RGB+深度和RGB数据集（列在目录中，详细信息未显示）。
• 研讨会和挑战赛 — 相关活动（列在目录中，详细信息未显示）。
• 其他相关论文 — 额外论文（列在目录中，详细信息未显示）。

条目如何格式化

每个论文条目通常包括：

• 标题
• 作者（用 * 标记同等贡献）
• PDF 链接（arXiv、IEEE、ScienceDirect 等）
• 有时还有额外链接：代码、项目页面或数据集

示例条目（来自 README）

• TriHorn-Net — 一种基于深度的手部姿态估计模型，带有 GitHub 上的代码。
• FrankMocap — 快速单目 3D 手部和身体运动捕捉，带有项目页面。
• HandAugment — 一种用于基于深度的手部姿态估计的数据增强方法，带有代码。
• A Survey on 3D Hand Pose Estimation: Cameras, Methods, and Datasets — 一篇综述论文。

如何使用它

README 邀请贡献（“Feel free to contribute!”）。该列表旨在供浏览——你可以通过目录跳转到某个部分，按年份或地点查找论文，并跟随链接阅读或下载它们。

关键要点

这是一个为从事手部姿态估计的研究人员和开发者准备的维护良好的参考书目。它按来源（arXiv、期刊、会议）、年份和主题（数据集、挑战赛等）组织了该领域的文献，使查找相关工作变得容易。