手部可见性检测器：逐关键点估计手部关节可见性

手部姿态估计（HPE）是AR/VR和机器人等多种应用的基础技术。在这些应用中，图像中每个手部关节的可见性对于评估遮挡情况下估计结果的可靠性至关重要。然而，大多数现有的HPE方法输出关节位置时并未明确指示其可见性。尽管有些方法考虑了遮挡或可见性，但可见性估计主要被用作改进姿态估计的辅助信号。据我们所知，逐关节的手部可见性估计尚未作为独立任务进行系统研究。在这项工作中，我们提出了手部可见性检测器，一种用于估计单个手部关节可见性的模型，并首次对可见性估计作为独立任务进行了系统研究。我们表明，利用在大规模数据上预训练的HPE模型的先验知识作为骨干网络，在此任务中能获得高性能。我们进一步展示了手部可见性检测器在下游任务中的实用性，即通过2D关键点的多视图三角化进行3D手部姿态标注，表明可见性加权的三角化能减少重投影误差。我们的方法已作为即用型包发布，代码和演示可在https://github.com/ryhara/hand_visibility_detector获取。