論文の概要: ZebraPose: Coarse to Fine Surface Encoding for 6DoF Object Pose Estimation

• arxiv url: http://arxiv.org/abs/2203.09418v1
• Date: Thu, 17 Mar 2022 16:16:24 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-18 15:22:57.296059
• Title: ZebraPose: Coarse to Fine Surface Encoding for 6DoF Object Pose Estimation
• Title（参考訳）: ZebraPose:6DoFオブジェクトポス推定のための細かな表面エンコーディング
• Authors: Yongzhi Su, Mahdi Saleh, Torben Fetzer, Jason Rambach, Nassir Navab, Benjamin Busam, Didier Stricker, Federico Tombari
• Abstract要約: 物体表面を高密度に表現できる離散ディスクリプタを提案する。 また,微粒化対応予測が可能な微粒化学習戦略を提案する。
• 参考スコア（独自算出の注目度）: 76.31125154523056
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Establishing correspondences from image to 3D has been a key task of 6DoF object pose estimation for a long time. To predict pose more accurately, deeply learned dense maps replaced sparse templates. Dense methods also improved pose estimation in the presence of occlusion. More recently researchers have shown improvements by learning object fragments as segmentation. In this work, we present a discrete descriptor, which can represent the object surface densely. By incorporating a hierarchical binary grouping, we can encode the object surface very efficiently. Moreover, we propose a coarse to fine training strategy, which enables fine-grained correspondence prediction. Finally, by matching predicted codes with object surface and using a PnP solver, we estimate the 6DoF pose. Results on the public LM-O and YCB-V datasets show major improvement over the state of the art w.r.t. ADD(-S) metric, even surpassing RGB-D based methods in some cases.
• Abstract（参考訳）: 画像から3dへの対応を確立することは、6dofオブジェクトポーズ推定の重要な課題である。 より正確にポーズを予測するために、深層学習された密集地図はスパーステンプレートを置き換えた。 濃密な手法は咬合の存在下でのポーズ推定も改善した。 最近では、オブジェクトフラグメントをセグメンテーションとして学習することで改善が示されている。 本研究では,物体表面を密に表現できる離散記述子を提案する。 階層型バイナリグルーピングを組み込むことで、オブジェクト表面を非常に効率的にエンコードすることができる。 さらに,細粒度対応予測を可能にする粗粒度・細粒度トレーニング戦略を提案する。 最後に、予測符号をオブジェクト表面とマッチングし、PnPソルバを用いて6DoFのポーズを推定する。 LM-O と YCB-V のデータセットの結果は、アート w.r.t. ADD(-S) メトリックの状況よりも大幅に改善され、場合によっては RGB-D ベースの手法を超えている。

関連論文リスト

• RDPN6D: Residual-based Dense Point-wise Network for 6Dof Object Pose Estimation Based on RGB-D Images [13.051302134031808]
  単一のRGB-D画像を用いてオブジェクトの6DoFポーズを計算する新しい手法を提案する。 オブジェクトのポーズを直接予測する既存の手法や、ポーズ回復のためのスパースキーポイントに依存する既存の手法とは異なり、我々のアプローチは密度の高い対応を使ってこの課題に対処する。
  論文  参考訳（メタデータ） (2024-05-14T10:10:45Z)
• CheckerPose: Progressive Dense Keypoint Localization for Object Pose Estimation with Graph Neural Network [66.24726878647543]
  単一のRGB画像から固い物体の6-DoFのポーズを推定することは、非常に難しい課題である。 近年の研究では、高密度対応型解の大きな可能性を示している。 そこで本研究では,CheckerPoseというポーズ推定アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-03-29T17:30:53Z)
• LocPoseNet: Robust Location Prior for Unseen Object Pose Estimation [69.70498875887611]
  LocPoseNetは、見えないオブジェクトに先立って、ロバストにロケーションを学習することができる。 提案手法は,LINEMOD と GenMOP において,既存の作業よりも優れた性能を示す。
  論文  参考訳（メタデータ） (2022-11-29T15:21:34Z)
• DPODv2: Dense Correspondence-Based 6 DoF Pose Estimation [24.770767430749288]
  DPODv2(Dense Pose Object Detector)と呼ばれる3ステージ6DoFオブジェクト検出手法を提案する。 本研究では,2次元物体検出器と高密度対応推定ネットワークを組み合わせることで,フル6DFのポーズを推定する多視点ポーズ補正手法を提案する。 DPODv2は、使用済みのデータモダリティとトレーニングデータの種類によらず、高速でスケーラブルなまま、すべてのデータに対して優れた結果を得る。
  論文  参考訳（メタデータ） (2022-07-06T16:48:56Z)
• 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)
• 3D Point-to-Keypoint Voting Network for 6D Pose Estimation [8.801404171357916]
  3次元キーポイントの空間構造特性に基づくRGB-Dデータから6次元ポーズ推定のためのフレームワークを提案する。 提案手法は, LINEMOD と OCCLUSION LINEMOD の2つのベンチマークデータセットで検証する。
  論文  参考訳（メタデータ） (2020-12-22T11:43:15Z)
• EPOS: Estimating 6D Pose of Objects with Symmetries [57.448933686429825]
  1つのRGB入力から利用可能な3次元モデルを用いて、剛体物体の6次元ポーズを推定する新しい手法を提案する。 オブジェクトは、体系的な方法で対称性を許容するコンパクトな表面フラグメントによって表現される。 エンコーダデコーダネットワークを用いて,高密度サンプリング画素とフラグメントの対応性を予測する。
  論文  参考訳（メタデータ） (2020-04-01T17:41:08Z)

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。