論文の概要: Parts-Based Articulated Object Localization in Clutter Using Belief Propagation

• arxiv url: http://arxiv.org/abs/2008.02881v1
• Date: Thu, 6 Aug 2020 21:34:52 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-02 07:56:08.818855
• Title: Parts-Based Articulated Object Localization in Clutter Using Belief Propagation
• Title（参考訳）: ブリーフ伝搬を用いたクラッタ内の部分的音像定位
• Authors: Jana Pavlasek, Stanley Lewis, Karthik Desingh, Odest Chadwicke Jenkins
• Abstract要約: 本稿では, クラッタ内における明瞭な物体の認識と位置推定法について述べる。 本研究では,手工具の認識と位置決定のためのテーブルトップ環境における提案手法の有効性を実証する。
• 参考スコア（独自算出の注目度）: 6.813222130986094
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Robots working in human environments must be able to perceive and act on challenging objects with articulations, such as a pile of tools. Articulated objects increase the dimensionality of the pose estimation problem, and partial observations under clutter create additional challenges. To address this problem, we present a generative-discriminative parts-based recognition and localization method for articulated objects in clutter. We formulate the problem of articulated object pose estimation as a Markov Random Field (MRF). Hidden nodes in this MRF express the pose of the object parts, and edges express the articulation constraints between parts. Localization is performed within the MRF using an efficient belief propagation method. The method is informed by both part segmentation heatmaps over the observation, generated by a neural network, and the articulation constraints between object parts. Our generative-discriminative approach allows the proposed method to function in cluttered environments by inferring the pose of occluded parts using hypotheses from the visible parts. We demonstrate the efficacy of our methods in a tabletop environment for recognizing and localizing hand tools in uncluttered and cluttered configurations.
• Abstract（参考訳）: 人間の環境で働くロボットは、ツールの山のような関節で挑戦的な物体を知覚し、行動しなくてはならない。 アーティキュレートされた物体はポーズ推定問題の次元性を高め、乱れの下の部分的な観察はさらなる課題を生み出す。 この問題に対処するために,clutterにおける明瞭な物体の識別的部分認識と局所化手法を提案する。 マルコフランダム場 (MRF) として定式化対象ポーズ推定の問題を定式化する。 このMDFの隠れノードは対象部品のポーズを表現し、エッジは部品間の調音制約を表現する。 効率的な信念伝搬法を用いて, MRF内における局所化を行う。 この方法は、ニューラルネットワークによって生成された観察上の部分分割ヒートマップと、対象部品間の調音制約の両方によって通知される。 生成的・識別的アプローチにより, 可視部からの仮説を用いて閉塞部のポーズを推定することにより, 散在した環境下で機能する。 本研究では,手工具の認識と位置決定のためのテーブルトップ環境における手法の有効性を示す。

関連論文リスト

• Spatial Cascaded Clustering and Weighted Memory for Unsupervised Person Re-identification [32.95715593278961]
  教師なしの人物再識別(re-ID)手法は、きめ細かい局所的コンテキストを利用して高い性能を達成する。 パートベース手法は, 様々なポーズによる不適応に苦しむ水平分割を通して, 局所的文脈を求める。 本稿では,これらの課題に対処するため,空間カスケードクラスタリングと重み付けメモリ(SCWM)手法を提案する。 SCWMは、メモリモジュールがハードサンプルマイニングとノイズ抑制のバランスを保ちながら、異なる人体部分のより正確なローカルコンテキストを解析、調整することを目的としている。
  論文  参考訳（メタデータ） (2024-03-01T03:52:29Z)
• Local Region-to-Region Mapping-based Approach to Classify Articulated Objects [2.3848738964230023]
  本稿では, 登録型地域間マッピング手法を用いて, オブジェクトを明瞭あるいは剛性に分類する手法を提案する。 提案手法は, 高い精度で明瞭な物体と剛性の物体を分類することができる。
  論文  参考訳（メタデータ） (2023-05-10T18:08:04Z)
• Spatial Reasoning for Few-Shot Object Detection [21.3564383157159]
  本稿では,空間的推論フレームワークを提案する。 グラフ畳み込みネットワークをRoIとその関連性はそれぞれノードとエッジとして定義する。 提案手法は最先端の手法を著しく上回り, 広範囲なアブレーション研究により有効性を検証する。
  論文  参考訳（メタデータ） (2022-11-02T12:38:08Z)
• Self-Supervised Video Object Segmentation via Cutout Prediction and Tagging [117.73967303377381]
  本稿では, 自己教師型ビデオオブジェクト(VOS)アプローチを提案する。 本手法は,対象情報と背景情報の両方を考慮した識別学習損失の定式化に基づく。 提案手法であるCT-VOSは, DAVIS-2017 と Youtube-VOS の2つの挑戦的なベンチマークにおいて,最先端の結果を達成している。
  論文  参考訳（メタデータ） (2022-04-22T17:53:27Z)
• Skeleton-Based Mutually Assisted Interacted Object Localization and Human Action Recognition [111.87412719773889]
  本研究では,骨格データに基づく「相互作用対象の局所化」と「人間の行動認識」のための共同学習フレームワークを提案する。 本手法は,人間の行動認識のための最先端の手法を用いて,最高の,あるいは競争的な性能を実現する。
  論文  参考訳（メタデータ） (2021-10-28T10:09:34Z)
• Unsupervised Pose-Aware Part Decomposition for 3D Articulated Objects [68.73163598790255]
  本研究では,機械的関節を有する人工関節オブジェクトを対象とする新しい環境に対処するため,PD(unsupervised Pose-aware Part Decomposition)を提案する。 本研究は,(1)非原始的な暗黙的表現による部分分解の教師なし学習を促進させ,(2)単一フレーム形状の監督下での協調パラメータとして機能することを示す。
  論文  参考訳（メタデータ） (2021-10-08T23:53:56Z)
• RICE: Refining Instance Masks in Cluttered Environments with Graph Neural Networks [53.15260967235835]
  本稿では,インスタンスマスクのグラフベース表現を利用して,そのような手法の出力を改良する新しいフレームワークを提案する。 我々は、セグメンテーションにスマートな摂動をサンプリングできるディープネットワークと、オブジェクト間の関係をエンコード可能なグラフニューラルネットワークを訓練し、セグメンテーションを評価する。 本稿では,本手法によって生成された不確実性推定を用いてマニピュレータを誘導し,乱れたシーンを効率的に理解するアプリケーションについて紹介する。
  論文  参考訳（メタデータ） (2021-06-29T20:29:29Z)
• Unsupervised Part Segmentation through Disentangling Appearance and Shape [37.206922180245265]
  対象部品の非監視的発見とセグメンテーションの問題について検討する。 最近の教師なし手法は注釈付きデータへの依存を大いに緩和している。 対象部品の外観と形状の表現を両立させることにより,新しいアプローチを開発する。
  論文  参考訳（メタデータ） (2021-05-26T08:59:31Z)
• Self-supervised Segmentation via Background Inpainting [96.10971980098196]
  移動可能なカメラで撮影された単一の画像で、自己教師付き検出とセグメンテーションのアプローチを導入する。 我々は、提案に基づくセグメンテーションネットワークのトレーニングに利用する自己教師付き損失関数を利用する。 本手法は,標準ベンチマークから視覚的に切り離された画像の人間の検出とセグメント化に応用し,既存の自己監督手法より優れていることを示す。
  論文  参考訳（メタデータ） (2020-11-11T08:34:40Z)
• Learning to Manipulate Individual Objects in an Image [71.55005356240761]
  本稿では,独立性および局所性を有する潜在因子を用いた生成モデルを学習する手法について述べる。 これは、潜伏変数の摂動が、オブジェクトに対応する合成画像の局所領域のみに影響を与えることを意味する。 他の教師なし生成モデルとは異なり、オブジェクトレベルのアノテーションを必要とせず、オブジェクト中心の操作を可能にする。
  論文  参考訳（メタデータ） (2020-04-11T21:50:20Z)

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。