論文の概要: Self-Supervised Category-Level Articulated Object Pose Estimation with Part-Level SE(3) Equivariance

• arxiv url: http://arxiv.org/abs/2302.14268v1
• Date: Tue, 28 Feb 2023 03:02:11 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-01 18:25:39.342127
• Title: Self-Supervised Category-Level Articulated Object Pose Estimation with Part-Level SE(3) Equivariance
• Title（参考訳）: パートレベルSE(3)等分散を用いた自己教師付きカテゴリーレベルArticulated Object Poseの推定
• Authors: Xueyi Liu, Ji Zhang, Ruizhen Hu, Haibin Huang, He Wang, Li Yi
• Abstract要約: カテゴリーレベルの調音オブジェクトポーズ推定は、未知の調音オブジェクトの調音オブジェクトポーズの階層を既知のカテゴリから推定することを目的としている。 我々は,人間ラベルを使わずにこの問題を解決する,新たな自己管理戦略を提案する。
• 参考スコア（独自算出の注目度）: 33.10167928198986
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Category-level articulated object pose estimation aims to estimate a hierarchy of articulation-aware object poses of an unseen articulated object from a known category. To reduce the heavy annotations needed for supervised learning methods, we present a novel self-supervised strategy that solves this problem without any human labels. Our key idea is to factorize canonical shapes and articulated object poses from input articulated shapes through part-level equivariant shape analysis. Specifically, we first introduce the concept of part-level SE(3) equivariance and devise a network to learn features of such property. Then, through a carefully designed fine-grained pose-shape disentanglement strategy, we expect that canonical spaces to support pose estimation could be induced automatically. Thus, we could further predict articulated object poses as per-part rigid transformations describing how parts transform from their canonical part spaces to the camera space. Extensive experiments demonstrate the effectiveness of our method on both complete and partial point clouds from synthetic and real articulated object datasets.
• Abstract（参考訳）: カテゴリーレベルの調音オブジェクトポーズ推定は、未知の調音オブジェクトポーズの階層を既知のカテゴリから推定することを目的としている。 教師付き学習手法に必要な重いアノテーションを減らすため,人間ラベルを使わずにこの問題を解決できる新たな自己教師型戦略を提案する。 我々のキーとなる考え方は、入力された調音形状から標準形状と調音物体のポーズを、部分レベル同変形状解析によって分解することである。 具体的には、まず、部分レベルSE(3)同値の概念を導入し、そのような特性の特徴を学習するためのネットワークを考案する。 次に,細粒度に細粒度なポーズ形状の絡み合い方略を用いて,ポーズ推定を支援する正準空間が自動的に引き起こされることを期待する。 これにより、各部分の剛性変換として、各部分の正準部分空間からカメラ空間への変換方法を記述することができる。 総合的な実験により,本手法が合成および実調音対象データセットから完全および部分点の雲に対して有効であることを示す。

関連論文リスト

• OP-Align: Object-level and Part-level Alignment for Self-supervised Category-level Articulated Object Pose Estimation [7.022004731560844]
  カテゴリーレベルの調音オブジェクトのポーズ推定は、既知のカテゴリ内の未知の調音オブジェクトのポーズ推定に焦点を当てる。 本稿では,この課題を解決するために,単一フレームの点群を利用した新たな自己教師型アプローチを提案する。 我々のモデルは、入力対象全体に対する標準ポーズとジョイントステートを連続的に生成する。
  論文  参考訳（メタデータ） (2024-08-29T14:10:14Z)
• Diffusion-Driven Self-Supervised Learning for Shape Reconstruction and Pose Estimation [26.982199143972835]
  本稿では,多目的形状再構成とカテゴリー的ポーズ推定のための拡散駆動型自己教師ネットワークを提案する。 提案手法は,最先端の自己監督型カテゴリレベルのベースラインを著しく上回り,完全教師型インスタンスレベルのメソッドやカテゴリレベルのメソッドをはるかに上回っている。
  論文  参考訳（メタデータ） (2024-03-19T13:43:27Z)
• ShapeShift: Superquadric-based Object Pose Estimation for Robotic Grasping [85.38689479346276]
  現在の技術は参照3Dオブジェクトに大きく依存しており、その一般化性を制限し、新しいオブジェクトカテゴリに拡張するのにコストがかかる。 本稿では,オブジェクトに適合するプリミティブな形状に対してオブジェクトのポーズを予測する,オブジェクトのポーズ推定のためのスーパークワッドリックベースのフレームワークであるShapeShiftを提案する。
  論文  参考訳（メタデータ） (2023-04-10T20:55:41Z)
• Semi-Weakly Supervised Object Kinematic Motion Prediction [56.282759127180306]
  3Dオブジェクトが与えられた場合、運動予測は移動部と対応する運動パラメータを識別することを目的としている。 階層的部分分割と移動部パラメータのマップを学習するグラフニューラルネットワークを提案する。 ネットワーク予測は、擬似ラベル付き移動情報を持つ大規模な3Dオブジェクトを生成する。
  論文  参考訳（メタデータ） (2023-03-31T02:37:36Z)
• Generative Category-Level Shape and Pose Estimation with Semantic Primitives [27.692997522812615]
  本稿では,1枚のRGB-D画像からカテゴリレベルのオブジェクト形状とポーズ推定を行う新しいフレームワークを提案する。 カテゴリ内変動に対処するために、様々な形状を統一された潜在空間にエンコードするセマンティックプリミティブ表現を採用する。 提案手法は,実世界のデータセットにおいて,SOTAのポーズ推定性能とより優れた一般化を実現する。
  論文  参考訳（メタデータ） (2022-10-03T17:51:54Z)
• RBP-Pose: Residual Bounding Box Projection for Category-Level Pose Estimation [103.74918834553247]
  カテゴリーレベルのオブジェクトポーズ推定は、既知のカテゴリの集合からの任意のオブジェクトの3次元メートル法サイズだけでなく、6次元のポーズを予測することを目的としている。 近年の手法では, 観測された点雲を標準空間にマッピングし, 梅山アルゴリズムを用いてポーズとサイズを復元する手法が提案されている。 本稿では,オブジェクトのポーズと残差ベクトルを共同で予測する,幾何学誘導型残差オブジェクト境界ボックス投影ネットワーク RBP-Pose を提案する。
  論文  参考訳（メタデータ） (2022-07-30T14:45:20Z)
• Unsupervised Kinematic Motion Detection for Part-segmented 3D Shape Collections [14.899075941080541]
  本研究では,部分分割型3次元形状収集における調音運動の発見のための教師なしアプローチを提案する。 私たちのアプローチは、カテゴリクロージャと呼ばれる概念に基づいています。オブジェクトの部分の有効な記述は、オブジェクトを同じ意味圏に保つべきです。 我々は、PartNet-Mobilityデータセットから部品の動きを再発見するためにこれを用いてアプローチを評価した。
  論文  参考訳（メタデータ） (2022-06-17T00:50:36Z)
• PartAfford: Part-level Affordance Discovery from 3D Objects [113.91774531972855]
  パートレベルの空き地探索(PartAfford)の課題について紹介する。 対象物当たりの空きラベルのみを考慮し、(i)3D形状を部品に分解し、(ii)各部品が特定の空きカテゴリに対応する方法を検出する。 本稿では,パーセンテージ・セットの監督と幾何学的原始正規化のみを活用することで,パートレベルの表現を発見する新しい学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-02-28T02:58:36Z)
• Leveraging SE(3) Equivariance for Self-Supervised Category-Level Object Pose Estimation [30.04752448942084]
  カテゴリーレベルのオブジェクトポーズ推定は、オブジェクトCADモデルにアクセスすることなく、既知のカテゴリから未確認のオブジェクトインスタンスの6Dオブジェクトポーズを見つけることを目的としている。 本研究では,1つの3次元点群からカテゴリレベルの6次元オブジェクトのポーズを推定する自己教師型学習フレームワークを初めて提案する。
  論文  参考訳（メタデータ） (2021-10-30T06:46:44Z)
• 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)
• 3D Object Classification on Partial Point Clouds: A Practical Perspective [91.81377258830703]
  点雲は3次元オブジェクト分類において一般的な形状表現である。 本稿では,任意のポーズの下でオブジェクトインスタンスの部分点雲を分類する実践的な設定を提案する。 本稿では,アライメント分類手法による新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-12-18T04:00:56Z)

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。