我想做的是......
数据集：手拿棒的图片，我知道关节的三维位置或每张图片的三维姿势。照片是从相同的位置拍摄的，所以手是唯一移动的。 输入：手的图片 输出：3D手姿势这是可能的，如果是这样，怎么办呢？由于我是ML的新手，我想获得理解以获得良好的理解。谢谢！
答案 0 :(得分：0)
这应该是可能的，但这将是一项艰苦的研究项目。
由于问题需要如此复杂的输出，因此针对该问题的机器学习方法将需要大量的训练示例，而不是手动生成。一个好的方法可能是制作一个小程序，可以3D渲染姿势x的手的图像，随机照明，随机手大小等。然后通过深度学习将数百万的训练图像提供给卷积神经网络，最终输出神经元编码姿势的地方。
使用相同的程序，另一种方法是在姿势上进行渐变下降，重复渲染姿势，直到获得最佳匹配。这被称为生成模型。它不涉及神经网络，但它可能会很慢。毫无疑问，其他方法也是如此。
如果您有兴趣，Microsoft一直致力于解决此问题，以启用新类型的Xbox Kinect游戏：https://www.microsoft.com/en-us/research/project/fully-articulated-hand-tracking/
总而言之，如果您不熟悉计算机视觉和机器学习，我建议您先从简单的挑战开始。