这篇文章是CVPR2018的一篇论文。
主要贡献点有以下几点：
1、使用cyclegan的思想 可以对没有成对的生成人手数据进行真实化。
2、能够从RGB图像（没有深度信息）生成3D人手模型
下图是作者的主要思想图
regnet是将2D的人手坐标映射到一个三维坐标。
训练数据集：
geocongan：
E3Dloss是这样的
Zj表示的是第j个关节相对root节点的位置。
第j个节点的坐标可以表示为其父节点的坐标加上真实3D坐标的差的二范数除以regnet的输出差（2维坐标）的2范数 *（输出之差）
所以3D项的用途就是让3D坐标的相对距离在2范数上一致
这一个能量项的目的是防止关节扭曲过大
