論文の概要: Keypoint-Based Category-Level Object Pose Tracking from an RGB Sequence with Uncertainty Estimation

• arxiv url: http://arxiv.org/abs/2205.11047v1
• Date: Mon, 23 May 2022 05:20:22 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-24 19:15:36.284213
• Title: Keypoint-Based Category-Level Object Pose Tracking from an RGB Sequence with Uncertainty Estimation
• Title（参考訳）: 不確実性推定付きRGB系列からのキーポイントベースカテゴリーレベルオブジェクトの追跡
• Authors: Yunzhi Lin, Jonathan Tremblay, Stephen Tyree, Patricio A. Vela, Stan Birchfield
• Abstract要約: 本稿では,既知のカテゴリ内のオブジェクトのインスタンスを同時に検出・追跡するカテゴリレベルの6-DoFポーズ推定アルゴリズムを提案する。 提案手法は, モノクロビデオRGBのフレームと現在のフレームと, 前フレームからの予測を入力として, 境界立方体とポーズの予測を行う。 本フレームワークは, 従来の不確実性を考慮し, その結果, 単一フレーム法よりも高精度な予測が可能となった。
• 参考スコア（独自算出の注目度）: 29.06824085794294
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose a single-stage, category-level 6-DoF pose estimation algorithm that simultaneously detects and tracks instances of objects within a known category. Our method takes as input the previous and current frame from a monocular RGB video, as well as predictions from the previous frame, to predict the bounding cuboid and 6-DoF pose (up to scale). Internally, a deep network predicts distributions over object keypoints (vertices of the bounding cuboid) in image coordinates, after which a novel probabilistic filtering process integrates across estimates before computing the final pose using PnP. Our framework allows the system to take previous uncertainties into consideration when predicting the current frame, resulting in predictions that are more accurate and stable than single frame methods. Extensive experiments show that our method outperforms existing approaches on the challenging Objectron benchmark of annotated object videos. We also demonstrate the usability of our work in an augmented reality setting.
• Abstract（参考訳）: 既知のカテゴリ内のオブジェクトのインスタンスを同時に検出し追跡する,単段のカテゴリレベルの6自由度ポーズ推定アルゴリズムを提案する。 提案手法では,単眼のrgbビデオから前と現在のフレームを入力し,前フレームからの予測を行い,バウンディングキューブイドと6dofのポーズ(最大スケール)を予測する。 奥行きネットワークは、画像座標におけるオブジェクトキーポイント(バウンディングキューブイドの頂点)上の分布を予測し、その後、pnpを用いて最終ポーズを計算する前に、新しい確率的フィルタリングプロセスが推定にまたがって統合される。 本フレームワークでは, 従来の不確実性を考慮し, その結果, 単一フレーム法よりも精度が高く, 安定な予測が可能となった。 本手法は,アノテーション付きオブジェクトビデオのObjectronベンチマークにおいて,既存の手法よりも優れていることを示す。 拡張現実の環境では、仕事のユーザビリティも示しています。

関連論文リスト

• Video prediction using score-based conditional density estimation [9.190468260530634]
  ビデオ中の次のフレームの条件密度を学習し、サンプリングするための暗黙の回帰に基づくフレームワークについて述べる。 本研究では, 時間的予測のための適応表現を抽出し, 単純なレジリエンス・ツー・ノイズ対象関数に基づいて訓練したシーケンス・ツー・イメージのディープネットワークを示す。
  論文  参考訳（メタデータ） (2024-10-30T03:16:35Z)
• 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)
• KRONC: Keypoint-based Robust Camera Optimization for 3D Car Reconstruction [58.04846444985808]
  KRONCは、オブジェクトに関する事前知識を活用して、セマンティックキーポイントを通してその表現を再構築することで、ビューポーズを推論する新しいアプローチである。 車両シーンに焦点を当てたKRONCは、キーポイントのバックプロジェクションを特異点に収束させることを目的とした光最適化問題の解として、ビューの位置を推定することができる。
  論文  参考訳（メタデータ） (2024-09-09T08:08:05Z)
• Rigidity-Aware Detection for 6D Object Pose Estimation [60.88857851869196]
  最近の6Dオブジェクトのポーズ推定方法は、最初にオブジェクト検出を使用して2Dバウンディングボックスを取得し、実際にポーズを回帰する。 本研究では,6次元ポーズ推定において対象物体が剛性であるという事実を利用した剛性認識検出手法を提案する。 このアプローチの成功の鍵となるのは可視性マップであり、これは境界ボックス内の各ピクセルとボックス境界の間の最小障壁距離を用いて構築することを提案する。
  論文  参考訳（メタデータ） (2023-03-22T09:02:54Z)
• STDepthFormer: Predicting Spatio-temporal Depth from Video with a Self-supervised Transformer Model [0.0]
  ビデオ入力と空間的時間的注意ネットワークから,映像のフレーム列を同時に予測する自己教師型モデルを提案する。 提案モデルでは,物体形状やテクスチャなどの事前のシーン知識を,単一画像深度推定法に類似した手法で活用する。 マルチオブジェクト検出、セグメンテーション、トラッキングを含む複雑なモデルを必要とするのではなく、暗黙的にシーン内のオブジェクトの動きを予測することができる。
  論文  参考訳（メタデータ） (2023-03-02T12:22:51Z)
• RelPose: Predicting Probabilistic Relative Rotation for Single Objects in the Wild [73.1276968007689]
  本稿では、任意のオブジェクトの複数の画像からカメラ視点を推定するデータ駆動手法について述べる。 本手法は, 画像の鮮明さから, 最先端のSfM法とSLAM法より優れていることを示す。
  論文  参考訳（メタデータ） (2022-08-11T17:59:59Z)
• CATRE: Iterative Point Clouds Alignment for Category-level Object Pose Refinement [52.41884119329864]
  カテゴリーレベルのオブジェクトポーズとサイズ精細化器 CATRE は、点雲からのポーズ推定を反復的に強化し、正確な結果が得られる。 提案手法は,REAL275,CAMERA25,LMのベンチマークを85.32Hzまで高速化する。
  論文  参考訳（メタデータ） (2022-07-17T05:55:00Z)
• Semantic keypoint-based pose estimation from single RGB frames [64.80395521735463]
  一つのRGB画像からオブジェクトの連続6-DoFポーズを推定する手法を提案する。 このアプローチは、畳み込みネットワーク(convnet)によって予測されるセマンティックキーポイントと、変形可能な形状モデルを組み合わせる。 提案手法は,インスタンスベースのシナリオとクラスベースのシナリオの両方に対して,6-DoFオブジェクトのポーズを正確に復元できることを示す。
  論文  参考訳（メタデータ） (2022-04-12T15:03:51Z)
• 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)
• PrimA6D: Rotational Primitive Reconstruction for Enhanced and Robust 6D Pose Estimation [11.873744190924599]
  本稿では,1つの画像を入力として,回転プリミティブに基づく6次元オブジェクトポーズ推定を提案する。 変分オートエンコーダ(VAE)を利用して、基礎となるプリミティブとその関連するキーポイントを学習する。 公開データセットに対して評価すると,LINEMOD,Occlusion LINEMOD,およびY誘発データセットよりも顕著な改善が得られた。
  論文  参考訳（メタデータ） (2020-06-14T03:55:42Z)

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。