論文の概要: Investigations on Output Parameterizations of Neural Networks for Single Shot 6D Object Pose Estimation

• arxiv url: http://arxiv.org/abs/2104.07528v1
• Date: Thu, 15 Apr 2021 15:29:53 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-16 15:10:21.363301
• Title: Investigations on Output Parameterizations of Neural Networks for Single Shot 6D Object Pose Estimation
• Title（参考訳）: シングルショット6Dオブジェクトポス推定のためのニューラルネットワークの出力パラメータ化の検討
• Authors: Kilian Kleeberger, Markus V\"olk, Richard Bormann, Marco F. Huber
• Abstract要約: 単発6次元オブジェクトポーズ推定のためのニューラルネットワークの出力に対する新しいパラメータ化を提案する。 我々の学習に基づくアプローチは、2つの公開ベンチマークデータセット上で最先端のパフォーマンスを達成する。
• 参考スコア（独自算出の注目度）: 8.464912344558481
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Single shot approaches have demonstrated tremendous success on various computer vision tasks. Finding good parameterizations for 6D object pose estimation remains an open challenge. In this work, we propose different novel parameterizations for the output of the neural network for single shot 6D object pose estimation. Our learning-based approach achieves state-of-the-art performance on two public benchmark datasets. Furthermore, we demonstrate that the pose estimates can be used for real-world robotic grasping tasks without additional ICP refinement.
• Abstract（参考訳）: 単発アプローチは様々なコンピュータビジョンタスクで大きな成功を収めた。 6次元オブジェクトポーズ推定のための良いパラメータ化を見つけることは、まだ未解決の課題である。 本研究では、単発6Dオブジェクトのポーズ推定のためのニューラルネットワークの出力に対する異なるパラメータ化を提案する。 我々の学習に基づくアプローチは、2つの公開ベンチマークデータセット上で最先端のパフォーマンスを達成する。 さらに,追加のicp改良を必要とせず,実世界のロボット把持作業においてポーズ推定が有効であることを示す。

関連論文リスト

• End-to-End Probabilistic Geometry-Guided Regression for 6DoF Object Pose Estimation [5.21401636701889]
  最先端の6Dオブジェクトのポーズ推定器は、オブジェクト観察によってオブジェクトのポーズを直接予測する。 最先端アルゴリズムGDRNPPを再構成し,EPRO-GDRを導入する。 提案手法は,1つのポーズではなく1つのポーズ分布を予測することで,最先端の単一ビューのポーズ推定を改善することができることを示す。
  論文  参考訳（メタデータ） (2024-09-18T09:11:31Z)
• Hierarchical Graph Neural Networks for Proprioceptive 6D Pose Estimation of In-hand Objects [1.8263882169310044]
  マルチモーダル(ビジョンとタッチ)データを組み合わせた階層型グラフニューラルネットワークアーキテクチャを提案する。 また、グラフベースのオブジェクト表現を学習するために、モダリティ内および横断的に情報を流す階層的なメッセージパッシング操作を導入する。
  論文  参考訳（メタデータ） (2023-06-28T01:18:53Z)
• POPE: 6-DoF Promptable Pose Estimation of Any Object, in Any Scene, with One Reference [72.32413378065053]
  Promptable Object Pose Estimation (POPE) と呼ばれるオブジェクトポーズ推定のための一般的なパラダイムを提案する。 POPEは、任意のシーンの任意の対象オブジェクトに対してゼロショット6DoFオブジェクトのポーズ推定を可能にし、サポートビューは単一の参照のみを採用する。 総合的な実験結果から、POPEはゼロショット設定で非競合なロバストな性能を示すことが示された。
  論文  参考訳（メタデータ） (2023-05-25T05:19:17Z)
• Geo6D: Geometric Constraints Learning for 6D Pose Estimation [21.080439293774464]
  直接回帰6Dポーズ推定のためのGeo6Dと呼ばれる新しい幾何学的制約学習手法を提案する。 また,Geo6Dを装着すると,複数のデータセット上で直接6D手法が最先端の性能を達成することを示す。
  論文  参考訳（メタデータ） (2022-10-20T02:00:58Z)
• Unseen Object 6D Pose Estimation: A Benchmark and Baselines [62.8809734237213]
  本稿では,新しい物体の6次元ポーズ推定をアルゴリズムで行えるようにするための新しいタスクを提案する。 実画像と合成画像の両方でデータセットを収集し、テストセットで最大48個の未確認オブジェクトを収集する。 エンド・ツー・エンドの3D対応ネットワークをトレーニングすることにより、未確認物体と部分ビューRGBD画像との対応点を高精度かつ効率的に見つけることができる。
  論文  参考訳（メタデータ） (2022-06-23T16:29:53Z)
• Coupled Iterative Refinement for 6D Multi-Object Pose Estimation [64.7198752089041]
  既知の3DオブジェクトのセットとRGBまたはRGB-Dの入力画像から、各オブジェクトの6Dポーズを検出して推定する。 我々のアプローチは、ポーズと対応を緊密に結合した方法で反復的に洗練し、アウトレーヤを動的に除去して精度を向上させる。
  論文  参考訳（メタデータ） (2022-04-26T18:00:08Z)
• FS6D: Few-Shot 6D Pose Estimation of Novel Objects [116.34922994123973]
  6Dオブジェクトポーズ推定ネットワークは、多数のオブジェクトインスタンスにスケールする能力に制限がある。 本研究では,未知の物体の6次元ポーズを,余分な訓練を伴わずにいくつかの支援ビューで推定する。
  論文  参考訳（メタデータ） (2022-03-28T10:31:29Z)
• Spatial Attention Improves Iterative 6D Object Pose Estimation [52.365075652976735]
  本稿では,RGB画像を用いた6次元ポーズ推定の改良手法を提案する。 私たちの主な洞察力は、最初のポーズ推定の後、オブジェクトの異なる空間的特徴に注意を払うことが重要です。 実験により,このアプローチが空間的特徴に順応することを学び,被写体の一部を無視することを学び,データセット間でのポーズ推定を改善することを実証した。
  論文  参考訳（メタデータ） (2021-01-05T17:18:52Z)
• Self6D: Self-Supervised Monocular 6D Object Pose Estimation [114.18496727590481]
  自己教師付き学習による単眼6次元ポーズ推定のアイデアを提案する。 ニューラルレンダリングの最近の進歩を活用して、注釈のない実RGB-Dデータのモデルをさらに自己監督する。
  論文  参考訳（メタデータ） (2020-04-14T13:16:36Z)
• Object 6D Pose Estimation with Non-local Attention [29.929911622127502]
  本研究では,オブジェクト検出フレームワークに6次元オブジェクトポーズパラメータ推定を組み込むネットワークを提案する。 提案手法は,YCB- VideoおよびLinemodデータセット上での最先端性能に到達する。
  論文  参考訳（メタデータ） (2020-02-20T14:23:32Z)

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。