Fugu-MT 論文翻訳(概要): Category-Level Articulated Object Pose Estimation

論文の概要: Category-Level Articulated Object Pose Estimation

arxiv url: http://arxiv.org/abs/1912.11913v2
Date: Wed, 8 Apr 2020 19:46:04 GMT
ステータス: 処理完了
システム内更新日: 2023-06-10 07:58:32.180066
Title: Category-Level Articulated Object Pose Estimation
Title（参考訳）: カテゴリーレベル調音物体ポーズ推定
Authors: Xiaolong Li, He Wang, Li Yi, Leonidas Guibas, A. Lynn Abbott, Shuran Song
Abstract要約: 我々はArticulation-Aware Normalized Space Hierarchy (ANCSH)を紹介する。 ANCSHは、与えられたカテゴリ内の異なる明瞭なオブジェクトに対する標準表現である。我々は,単一深度点クラウドからANCSHを予測するPointNet++に基づくディープネットワークを開発する。
参考スコア（独自算出の注目度）: 34.57672805595464
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This project addresses the task of category-level pose estimation for articulated objects from a single depth image. We present a novel category-level approach that correctly accommodates object instances previously unseen during training. We introduce Articulation-aware Normalized Coordinate Space Hierarchy (ANCSH) - a canonical representation for different articulated objects in a given category. As the key to achieve intra-category generalization, the representation constructs a canonical object space as well as a set of canonical part spaces. The canonical object space normalizes the object orientation,scales and articulations (e.g. joint parameters and states) while each canonical part space further normalizes its part pose and scale. We develop a deep network based on PointNet++ that predicts ANCSH from a single depth point cloud, including part segmentation, normalized coordinates, and joint parameters in the canonical object space. By leveraging the canonicalized joints, we demonstrate: 1) improved performance in part pose and scale estimations using the induced kinematic constraints from joints; 2) high accuracy for joint parameter estimation in camera space.
Abstract（参考訳）: 本研究は,一深度画像から合成されたオブジェクトのカテゴリーレベルのポーズ推定の課題に対処する。トレーニング中に未確認のオブジェクトインスタンスを正しく適合させる新しいカテゴリレベルのアプローチを提案する。本稿では,あるカテゴリーの異なる調音対象の標準表現であるArticulation-Aware Normalized Coordinate Space Hierarchy (ANCSH)を紹介する。圏内一般化を達成する鍵として、表現は正準対象空間と正準部分空間の集合を構成する。標準対象空間は対象の向き、スケール、調音(例えば関節パラメータや状態)を正規化し、各標準部分空間はその部分のポーズとスケールをさらに正規化する。我々は,標準オブジェクト空間における部分分割,正規化座標,関節パラメータを含む,単一の深度点クラウドからANCSHを予測するPointNet++に基づくディープネットワークを開発する。正準関節の活用により、以下のことが示される。 1) ジョイントから誘導された運動学的制約による部分ポーズおよびスケール推定の性能向上 2)カメラ空間におけるジョイントパラメータ推定の高精度化

関連論文リスト

SecondPose: SE(3)-Consistent Dual-Stream Feature Fusion for Category-Level Pose Estimation [79.12683101131368]
カテゴリーレベルのオブジェクトのポーズ推定は、既知のカテゴリから6次元のポーズと3次元の大きさを予測することを目的としている。我々は、DINOv2のセマンティックカテゴリにオブジェクト固有の幾何学的特徴を統合する新しいアプローチであるSecondPoseを提案する。
論文参考訳（メタデータ） (2023-11-18T17:14:07Z)
SOCS: Semantically-aware Object Coordinate Space for Category-Level 6D Object Pose Estimation under Large Shape Variations [12.348551686086255]
カテゴリーレベルの6Dポーズ推定に対する学習に基づくほとんどのアプローチは、正規化オブジェクト座標空間(NOCS)を中心に設計されている。本稿では,意味的に意味のある対応を持つキーポイントのスパースセットによって導かれるオブジェクトをワープ・アンド・アライメントすることで,セマンティック・アウェアなオブジェクトコーディネート・スペース(SOCS)を提案する。
論文参考訳（メタデータ） (2023-03-18T06:34:16Z)
Self-Supervised Category-Level Articulated Object Pose Estimation with Part-Level SE(3) Equivariance [33.10167928198986]
カテゴリーレベルの調音オブジェクトポーズ推定は、未知の調音オブジェクトの調音オブジェクトポーズの階層を既知のカテゴリから推定することを目的としている。我々は,人間ラベルを使わずにこの問題を解決する,新たな自己管理戦略を提案する。
論文参考訳（メタデータ） (2023-02-28T03:02:11Z)
Generative Category-Level Shape and Pose Estimation with Semantic Primitives [27.692997522812615]
本稿では,1枚のRGB-D画像からカテゴリレベルのオブジェクト形状とポーズ推定を行う新しいフレームワークを提案する。カテゴリ内変動に対処するために、様々な形状を統一された潜在空間にエンコードするセマンティックプリミティブ表現を採用する。提案手法は,実世界のデータセットにおいて,SOTAのポーズ推定性能とより優れた一般化を実現する。
論文参考訳（メタデータ） (2022-10-03T17:51:54Z)
Pose for Everything: Towards Category-Agnostic Pose Estimation [93.07415325374761]
Category-Agnostic Pose Estimation (CAPE) は、キーポイント定義を持つ少数のサンプルのみを与えられた任意の種類のオブジェクトのポーズを検出することができるポーズ推定モデルを作成することを目的としている。異なるキーポイント間のインタラクションと、サポートとクエリイメージの関係をキャプチャするために、トランスフォーマーベースのキーポイントインタラクションモジュール(KIM)を提案する。また、20K以上のインスタンスを含む100のオブジェクトカテゴリの2次元ポーズデータセットであるMP-100データセットを導入し、CAPEアルゴリズムの開発に適している。
論文参考訳（メタデータ） (2022-07-21T09:40:54Z)
On Hyperbolic Embeddings in 2D Object Detection [76.12912000278322]
双曲幾何学が対象分類空間の基盤構造に適合するかどうかを考察する。 2段階、キーポイントベース、トランスフォーマーベースオブジェクト検出アーキテクチャに双曲型分類器を組み込む。分類空間の構造に現れる分類階級階層を観察し、分類誤差を低くし、全体的な対象検出性能を高める。
論文参考訳（メタデータ） (2022-03-15T16:43:40Z)
Spatial Commonsense Graph for Object Localisation in Partial Scenes [36.47035776975184]
部分的なシーンにおける物体の局所化は,シーンの部分的な3次元スキャンによって物体の未知の位置を推定する新たな問題である。提案手法は,新たなシーングラフモデルである空間コモンセンスグラフ(SCG)に基づいて,オブジェクトがノードであり,エッジが相互距離を定義する。まず、ターゲットオブジェクトを表すノードと観測対象を表すノードの間の距離予測を行うグラフニューラルネットワークであるProximity Prediction NetworkにSCGを供給します。
論文参考訳（メタデータ） (2022-03-10T14:13:35Z)
Towards Self-Supervised Category-Level Object Pose and Size Estimation [121.28537953301951]
本研究は,一深度画像からのカテゴリレベルのオブジェクトポーズとサイズ推定のための自己教師型フレームワークを提案する。我々は、同じ形状の点雲における幾何学的整合性を利用して自己超越する。
論文参考訳（メタデータ） (2022-03-06T06:02:30Z)
ELLIPSDF: Joint Object Pose and Shape Optimization with a Bi-level Ellipsoid and Signed Distance Function Description [9.734266860544663]
本稿では,関節オブジェクトのポーズと形状最適化のための表現的かつコンパクトなモデルを提案する。多視点RGB-Dカメラ観測からオブジェクトレベルのマップを推論する。提案手法は,大規模実世界のScanNetデータセットを用いて評価し,最先端の手法と比較する。
論文参考訳（メタデータ） (2021-08-01T03:07:31Z)
3D Object Classification on Partial Point Clouds: A Practical Perspective [91.81377258830703]
点雲は3次元オブジェクト分類において一般的な形状表現である。本稿では,任意のポーズの下でオブジェクトインスタンスの部分点雲を分類する実践的な設定を提案する。本稿では,アライメント分類手法による新しいアルゴリズムを提案する。
論文参考訳（メタデータ） (2020-12-18T04:00:56Z)
Point-Set Anchors for Object Detection, Instance Segmentation and Pose Estimation [85.96410825961966]
中心点から抽出された画像の特徴は、離れたキーポイントや境界ボックスの境界を予測するための限られた情報を含んでいると論じる。推論を容易にするために,より有利な位置に配置された点集合からの回帰を行うことを提案する。我々は、オブジェクト検出、インスタンス分割、人間のポーズ推定にPoint-Set Anchorsと呼ばれるこのフレームワークを適用した。
論文参考訳（メタデータ） (2020-07-06T15:59:56Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。