تناولت هذه الورقة مشكلة درجات الحرية العالية لليد ومشكلة التشابه الهيكلي التي تسبب أخطاء في تقدير وضعيات نقاط ثلاثية الأبعاد، واقترحت شبكة انحدار وضعيات الهيكل العظمي لليد ثلاثية الأبعاد تجمع بين التعرف والكشف وتقدير الوضعية. باستخدام شبكة معالجة مسبقة تعتمد على YOLOv3، قدمت شبكة كشف نقاط ثنائية وثلاثية الأبعاد تعتمد على خرائط حرارية متعددة الخصائص على التوالي، وأدخلت قيود هيكل اليد البشرية في بنية شبكة استخراج الخصائص، معتمدًا على وحدة تعزيز الخصائص بشبكة الالتفاف البياني التقدمي لإعادة تصحيح نتائج نقاط الهيكل بشكل دقيق، لإتمام تعديل الوضعية من الخشن إلى الدقيق. أجرت هذه الورقة مقارنة بين خوارزميات متعددة موجودة باستخدام مؤشرين PCK و AUC على مجموعات بيانات عامة مختلفة، حيث حققت خوارزمية الورقة أعلى مؤشر AUC في كل مجموعة اختبار، بمعدل دقة AUC متوسط يبلغ 92.9%. تُظهِر التجارب أن طريقة هذه الورقة يمكنها تقدير وضعية اليد الثلاثية الأبعاد بدقة وتفصيل باستخدام صورة ثنائية الأبعاد واحدة فقط، وأظهرت أداءً جيدًا في مجموعات الاختبار والبيئات الطبيعية.

تقدير الوضعية ثلاثية الأبعاد; كشف الأجسام; تعرف الإيماءات; تعزيز الميزات; الشبكات العصبية التلافيفية; الشبكات العصبية التلافيفية البيانية