論文の概要: RNNPose: Recurrent 6-DoF Object Pose Refinement with Robust
Correspondence Field Estimation and Pose Optimization
- arxiv url: http://arxiv.org/abs/2203.12870v1
- Date: Thu, 24 Mar 2022 06:24:55 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-25 14:40:22.422441
- Title: RNNPose: Recurrent 6-DoF Object Pose Refinement with Robust
Correspondence Field Estimation and Pose Optimization
- Title（参考訳）: RNNPose:ロバスト対応フィールド推定とポース最適化による6-DoFオブジェクトのリファインダリファインダ
- Authors: Yan Xu, Junyi Lin, Guofeng Zhang, Xiaogang Wang, Hongsheng Li
- Abstract要約: 本稿では、オブジェクトポーズ改善のためのリカレントニューラルネットワーク(RNN)に基づくフレームワークを提案する。
この問題は、推定対応フィールドに基づいて非線形最小二乗問題として定式化される。
各イテレーションにおいて、対応フィールド推定とポーズ精錬を代替して行い、正確なオブジェクトポーズを復元する。
- 参考スコア（独自算出の注目度）: 39.8656770677466
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Direct estimating the 6-DoF object pose from a single color image is
challenging, and post-refinement is generally needed to achieve high-precision
estimation. In this paper, we propose a framework based on a recurrent neural
network (RNN) for object pose refinement, which is robust to erroneous initial
poses and occlusions. During the recurrent iterations, object pose refinement
is formulated as a non-linear least squares problem based on the estimated
correspondence field (between a rendered image and the observed image). The
problem is then solved by a differentiable Levenberg-Marquardt (LM) algorithm
for end-toend training. The correspondence field estimation and pose refinement
are conducted alternatively in each iteration to recover accurate object poses.
Furthermore, to improve the robustness to occlusions, we introduce a
consistencycheck mechanism based on the learned descriptors of the 3D model and
observed 2D image, which downweights the unreliable correspondences during pose
optimization. Extensive experiments on LINEMOD, Occlusion-LINEMOD, and
YCB-Video datasets validate the effectiveness of our method and demonstrate
state-of-the-art performance.
- Abstract（参考訳）: 単色画像から6-DoFオブジェクトのポーズを直接推定することは困難であり、高精度な推定を実現するには、一般的にポストリファインメントが必要である。
本稿では,オブジェクトポーズのリカレントニューラルネットワーク(recurrent neural network, rnn)に基づくフレームワークを提案する。
繰り返し繰り返しの間、被写体ポーズ補正は、推定対応フィールド(レンダリング画像と観察画像の間)に基づいて非線形最小二乗問題として定式化される。
この問題は、エンドツーエンドトレーニングのための微分可能な levenberg-marquardt (lm) アルゴリズムによって解決される。
各イテレーションで対応フィールド推定とポーズ補正を行い、正確なオブジェクトポーズを復元する。
さらに, 咬合に対するロバスト性を向上させるために, 3次元モデルの学習記述子と観察した2次元画像に基づく一貫性チェック機構を導入する。
LINEMOD, Occlusion-LINEMOD, YCB-Videoデータセットの大規模な実験により, 本手法の有効性を検証し, 最先端の性能を示す。
関連論文リスト
- iComMa: Inverting 3D Gaussian Splatting for Camera Pose Estimation via Comparing and Matching [14.737266480464156]
コンピュータビジョンにおける6次元カメラのポーズ推定問題に対処するため,iComMaという手法を提案する。
3次元ガウススプラッティング(3DGS)の反転による高精度カメラポーズ推定法を提案する。
論文 参考訳（メタデータ） (2023-12-14T15:31:33Z) - NIKI: Neural Inverse Kinematics with Invertible Neural Networks for 3D
Human Pose and Shape Estimation [53.25973084799954]
両方向誤差をモデル化したNIKI(Neural Inverse Kinematics with Invertible Neural Network)を提案する。
NIKIは、非可逆ネットワークによる前処理と逆処理の両方から学習することができる。
論文 参考訳（メタデータ） (2023-05-15T12:13:24Z) - Robust Category-Level 6D Pose Estimation with Coarse-to-Fine Rendering
of Neural Features [17.920305227880245]
1枚のRGB画像からカテゴリレベルの6Dポーズ推定の問題を考察する。
提案手法は,対象カテゴリを立方体メッシュとして表現し,各メッシュにおける神経機能アクティベーションの生成モデルを学習する。
実験では,先行作業と比較して,カテゴリレベルの6次元ポーズ推定性能が向上した。
論文 参考訳（メタデータ） (2022-09-12T21:31:36Z) - 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) - SO-Pose: Exploiting Self-Occlusion for Direct 6D Pose Estimation [98.83762558394345]
SO-Poseは、オブジェクトの6自由度(6DoF)をすべて、単一のRGBイメージから散らばった環境でポーズさせるフレームワークである。
本稿では,3次元オブジェクトの2層表現を確立するために,自己閉塞に関する新たな推論を導入する。
対応性,自己閉塞性,6次元ポーズを整列する層間合成により,精度とロバスト性をさらに向上させることができる。
論文 参考訳（メタデータ） (2021-08-18T19:49:29Z) - Iterative Optimisation with an Innovation CNN for Pose Refinement [17.752556490937092]
本研究では,オブジェクトのポーズ推定を改良する手法として,Innovation CNNを提案する。
Innovation CNNを勾配降下フレームワークに反復的に適用することにより、初期ポーズ推定を段階的に改善する。
提案手法は,人気のLINEMODおよびOcclusion LINEMODデータセット上で評価し,両データセットの最先端性能を得る。
論文 参考訳（メタデータ） (2021-01-22T00:12:12Z) - 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) - Deep Bingham Networks: Dealing with Uncertainty and Ambiguity in Pose
Estimation [74.76155168705975]
Deep Bingham Networks (DBN)は、3Dデータに関するほぼすべての実生活アプリケーションで発生するポーズ関連の不確実性と曖昧性を扱うことができる。
DBNは、(i)異なる分布モードを生成できる多仮説予測ヘッドにより、アートダイレクトポーズ回帰ネットワークの状態を拡張する。
トレーニング中のモードや後方崩壊を回避し,数値安定性を向上させるための新しいトレーニング戦略を提案する。
論文 参考訳（メタデータ） (2020-12-20T19:20:26Z) - se(3)-TrackNet: Data-driven 6D Pose Tracking by Calibrating Image
Residuals in Synthetic Domains [12.71983073907091]
本研究では,長期6次元ポーズトラッキングのためのデータ駆動型最適化手法を提案する。
本研究の目的は、現在のRGB-D観測と、前回の推定値と対象物のモデルに基づいて条件付けされた合成画像から、最適な相対的なポーズを特定することである。
提案手法は, 実画像を用いて訓練した場合でも, 常に頑健な評価を達成し, 代替品よりも優れる。
論文 参考訳（メタデータ） (2020-07-27T21:09:36Z)
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。