用于摄像机坐标系三维手部姿态估计的 Neural Voting Field

基于摘要分析。研究面向从单张 RGB 图像估计摄像机坐标系三维手部姿态，提出基于三维隐式表示的 Neural Voting Field（NVF），通过摄像机视锥内的密集三维逐点投票直接计算手部关节坐标。其主要贡献是统一建模局部三维证据与手部整体几何，而非先估计相对姿态，再以第二阶段操作恢复全局根位置或尺度。 机制上，NVF 受 Pixel-aligned Implicit Functions 启发，以视锥中的三维查询点及其像素对齐图像特征为输入，由 Multi-Layer Perceptron 回归两类输出：查询点到手表面的有符号距离，以及对应各手部关节的一组 4D 偏移向量。每个向量包含一维投票权重和指向关节的三维方向向量。推理时，方法选择近表面点的投票，以加权平均计算三维关节坐标。作者认为，这种直接在三维域建模的方式有助于缓解二维到三维映射的歧义。 作者报告，在 FreiHAND 的摄像机坐标系三维手部姿态估计任务中，NVF 优于既有最先进算法；将其适配到根关节相对三维手部姿态估计后，作者报告在 HO3D 上也取得最先进结果。摘要未提供具体指标、数值、数据划分或对照配置，两种任务的结果不能直接横向比较。 复现时需核对查询点采样、近表面点筛选、投票权重计算、相机参数使用及训练监督来源。实验协议、消融及统计信息尚未验证，代码与实现细节亦尚未验证。本文主要研究对象是视觉三维手部姿态估计，材料未提供 EEG 或 BCI 验证，不能将上述结果视为神经信号解码效果。