近年来基于锚点的三维手部姿态估计方法比较流行，A2J（Anchor-to-Joint）是比较有代表性的方法之一。A2J在深度图上密集地设置锚点，利用神经网络预测锚点到关键点的偏差以及每个锚点的权重。A2J使用预测的偏差和权重，以加权求和的方式计算关键点的坐标，降低了网络回归结果中的噪声。虽然A2J简单高效，但是不恰当的网络结构和损失函数影响了网络的准确度，因此提出改进的网络HigherA2J。首先，使用一个分支预测锚点到关键点的XYZ偏差，更好地利用深度图的3D特性；其次，简化A2J的网络分支结构从而降低网络参数量；最后，设计关键点估计损失函数，结合关键点估计损失和偏差估计损失，有效提高估计准确度。在三个数据集NYU、ICVL和HANDS 2017上的实验结果显示，手部姿态估计的平均误差比A2J都有所降低，分别降低了0.32 mm，0.35 mm和0.10 mm。
