論文の概要: SpyroPose: Importance Sampling Pyramids for Object Pose Distribution Estimation in SE(3)

• arxiv url: http://arxiv.org/abs/2303.05308v1
• Date: Thu, 9 Mar 2023 14:58:01 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-10 14:33:01.663059
• Title: SpyroPose: Importance Sampling Pyramids for Object Pose Distribution Estimation in SE(3)
• Title（参考訳）: SpyroPose:SEにおけるオブジェクト空間分布推定のためのピラミドの重要サンプリング(3)
• Authors: Rasmus Laurvig Haugaard, Frederik Hagelskj{\ae}r, Thorbj{\o}rn Mosekj{\ae}r Iversen
• Abstract要約: 本稿では,SE(3)に基づくポーズ分布推定手法を提案する。 階層格子,ピラミッドを用いて,訓練中に効率よく重要度を抽出し,推論時のピラミッドのスパース評価を行う。 提案手法は,SO(3)の最先端手法よりも優れており,その知識を最大限活用するために,SE(3)のポーズ分布推定に関する最初の定量的結果を提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Object pose estimation is a core computer vision problem and often an essential component in robotics. Pose estimation is usually approached by seeking the single best estimate of an object's pose, but this approach is ill-suited for tasks involving visual ambiguity. In such cases it is desirable to estimate the uncertainty as a pose distribution to allow downstream tasks to make informed decisions. Pose distributions can have arbitrary complexity which motivates estimating unparameterized distributions, however, until now they have only been used for orientation estimation on SO(3) due to the difficulty in training on and normalizing over SE(3). We propose a novel method for pose distribution estimation on SE(3). We use a hierarchical grid, a pyramid, which enables efficient importance sampling during training and sparse evaluation of the pyramid at inference, allowing real time 6D pose distribution estimation. Our method outperforms state-of-the-art methods on SO(3), and to the best of our knowledge, we provide the first quantitative results on pose distribution estimation on SE(3). Code will be available at spyropose.github.io
• Abstract（参考訳）: オブジェクトポーズ推定はコンピュータビジョンのコア問題であり、ロボット工学において不可欠な要素であることが多い。 ポーズ推定は通常、オブジェクトのポーズを最もよく見積もることによってアプローチされるが、このアプローチは視覚的あいまいさを含むタスクには不適である。 このような場合、下流のタスクが情報的決定を行えるように、不確実性をポーズ分布として推定することが望ましい。 ポース分布は任意の複雑性を持ち、非パラメータ分布を推定する動機となるが、SE(3) 上のトレーニングや正規化の難しさから、これまではSO(3) の向き推定にしか使われていなかった。 本稿では,SE(3)に基づくポーズ分布推定手法を提案する。 階層格子,ピラミッドを用いて,訓練中に効率よく重要度を抽出し,推論時のピラミッドのスパース評価を行い,リアルタイムの6次元ポーズ分布推定を可能にする。 本手法はso(3)における最先端手法よりも優れており,se(3)におけるポーズ分布推定に関する最初の定量的な結果を提供する。 コードはspyropose.github.ioで利用可能になる

関連論文リスト

• ADen: Adaptive Density Representations for Sparse-view Camera Pose Estimation [17.097170273209333]
  画像からカメラのポーズを復元することは、3Dコンピュータビジョンの基本課題である。 最近のデータ駆動型アプローチは、6DoFカメラのポーズを後退させたり、回転を確率分布として定式化したりすることで、カメラのポーズを直接出力することを目指している。 本稿では, ジェネレータと識別器を用いて2つのフレームワークを統合することを提案する。
  論文  参考訳（メタデータ） (2024-08-16T22:45:46Z)
• DVMNet: Computing Relative Pose for Unseen Objects Beyond Hypotheses [59.51874686414509]
  現在のアプローチは、多数の離散的なポーズ仮説を持つ連続的なポーズ表現を近似している。 本稿では,DVMNet(Deep Voxel Matching Network)を提案する。 提案手法は,最先端の手法に比べて計算コストの低い新しいオブジェクトに対して,より正確なポーズ推定を行う。
  論文  参考訳（メタデータ） (2024-03-20T15:41:32Z)
• PoseMatcher: One-shot 6D Object Pose Estimation by Deep Feature Matching [51.142988196855484]
  本稿では,PoseMatcherを提案する。 3ビューシステムに基づくオブジェクトと画像のマッチングのための新しいトレーニングパイプラインを作成します。 PoseMatcherは、画像とポイントクラウドの異なる入力モダリティに対応できるように、IO-Layerを導入します。
  論文  参考訳（メタデータ） (2023-04-03T21:14:59Z)
• DiffPose: Multi-hypothesis Human Pose Estimation using Diffusion models [5.908471365011943]
  与えられた入力画像に対して複数の仮説を予測する条件拡散モデルであるemphDiffPoseを提案する。 DiffPoseは, 簡単なポーズの多面的ポーズを推定し, 極めてあいまいなポーズに対して大きなマージンで優れることを示す。
  論文  参考訳（メタデータ） (2022-11-29T18:55:13Z)
• 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)
• VL4Pose: Active Learning Through Out-Of-Distribution Detection For Pose Estimation [79.50280069412847]
  VL4Poseは、分布外検出によるアクティブな学習のための第一原理的アプローチである。 我々の解は、最大推定により訓練された単純なパラメトリックベイズネットワークを介してポーズをモデル化することを含む。 我々はMPII, LSP, ICVLの3つのデータセットに対して定性的かつ定量的な実験を行い, 人手ポーズ推定を行った。
  論文  参考訳（メタデータ） (2022-10-12T09:03:55Z)
• Ki-Pode: Keypoint-based Implicit Pose Distribution Estimation of Rigid Objects [1.209625228546081]
  本稿では,新しいポーズ分布推定法を提案する。 オブジェクトのポーズ上の確率分布の暗黙的な定式化は、キーポイントの集合としてのオブジェクトの中間表現から導かれる。 本手法は,YCB-VおよびT-LESSデータセット上での回転分布推定のタスクに基づいて評価されている。
  論文  参考訳（メタデータ） (2022-09-20T11:59:05Z)
• 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)
• CPPF: Towards Robust Category-Level 9D Pose Estimation in the Wild [45.93626858034774]
  カテゴリーレベルのPPF投票法は、野生における正確で堅牢で一般化可能な9Dポーズ推定を実現する。 ノイズの多い点対のサンプルを排除し、個体群から最終的な予測を生成するために、新しい粗大な投票アルゴリズムを提案する。 我々の手法は実世界のトレーニングデータと同等である。
  論文  参考訳（メタデータ） (2022-03-07T01:36:22Z)
• Implicit-PDF: Non-Parametric Representation of Probability Distributions on the Rotation Manifold [47.31074799708132]
  我々はSO(3)上の任意の非パラメトリック分布を推定する手法を提案する。 私たちのキーとなるアイデアは、入力画像と候補ポーズの確率を推定するニューラルネットワークで、分布を暗黙的に表現することです。 我々はPascal3D+とModelNet10-SO(3)ベンチマークの最先端性能を実現する。
  論文  参考訳（メタデータ） (2021-06-10T17:57:23Z)

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。