Fugu-MT 論文翻訳(概要): SOCS: Semantically-aware Object Coordinate Space for Category-Level 6D Object Pose Estimation under Large Shape Variations

論文の概要: SOCS: Semantically-aware Object Coordinate Space for Category-Level 6D Object Pose Estimation under Large Shape Variations

arxiv url: http://arxiv.org/abs/2303.10346v1
Date: Sat, 18 Mar 2023 06:34:16 GMT
ステータス: 処理完了
システム内更新日: 2023-03-21 19:54:43.667521
Title: SOCS: Semantically-aware Object Coordinate Space for Category-Level 6D Object Pose Estimation under Large Shape Variations
Title（参考訳）: SOCS:大形状変化下におけるカテゴリーレベル6次元オブジェクトポス推定のための意味認識オブジェクトコーディネート空間
Authors: Boyan Wan, Yifei Shi, Kai Xu
Abstract要約: カテゴリーレベルの6Dポーズ推定に対する学習に基づくほとんどのアプローチは、正規化オブジェクト座標空間(NOCS)を中心に設計されている。本稿では,意味的に意味のある対応を持つキーポイントのスパースセットによって導かれるオブジェクトをワープ・アンド・アライメントすることで,セマンティック・アウェアなオブジェクトコーディネート・スペース(SOCS)を提案する。
参考スコア（独自算出の注目度）: 12.348551686086255
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Most learning-based approaches to category-level 6D pose estimation are design around normalized object coordinate space (NOCS). While being successful, NOCS-based methods become inaccurate and less robust when handling objects of a category containing significant intra-category shape variations. This is because the object coordinates induced by global and rigid alignment of objects are semantically incoherent, making the coordinate regression hard to learn and generalize. We propose Semantically-aware Object Coordinate Space (SOCS) built by warping-and-aligning the objects guided by a sparse set of keypoints with semantically meaningful correspondence. SOCS is semantically coherent: Any point on the surface of a object can be mapped to a semantically meaningful location in SOCS, allowing for accurate pose and size estimation under large shape variations. To learn effective coordinate regression to SOCS, we propose a novel multi-scale coordinate-based attention network. Evaluations demonstrate that our method is easy to train, well-generalizing for large intra-category shape variations and robust to inter-object occlusions.
Abstract（参考訳）: カテゴリーレベルの6次元ポーズ推定に対する学習に基づくアプローチのほとんどは、正規化オブジェクト座標空間(nocs)を中心に設計されている。成功したが、NOCSベースの手法は、カテゴリー内形状の顕著な変化を含むカテゴリのオブジェクトを扱う際に、不正確でより堅牢になる。これは、大域的かつ厳密なオブジェクトアライメントによって引き起こされるオブジェクト座標が意味的に一貫性がなく、座標回帰が学習や一般化が困難であるからである。本稿では,意味的に意味のある対応を持つキーポイントのスパースセットによって導かれるオブジェクトをワープ・アンド・アライメントすることで,セマンティック・アウェアなオブジェクトコーディネート・スペース(SOCS)を提案する。 SOCSは意味的コヒーレントである: 物体の表面上の任意の点は、SOCS内の意味論的意味のある場所にマッピングすることができ、大きな形状変化の下で正確なポーズとサイズ推定を可能にする。我々は,SOCSに対する効果的な座標回帰を学習するために,新しいマルチスケール座標に基づくアテンションネットワークを提案する。評価の結果,本手法は訓練が容易で,カテゴリー内形状の変動が大きく,物体間閉塞に対して頑健であることがわかった。

関連論文リスト

Instance-Adaptive and Geometric-Aware Keypoint Learning for Category-Level 6D Object Pose Estimation [38.03793706479096]
カテゴリーレベルの6Dオブジェクトのポーズ推定は、特定のカテゴリ内の見えないインスタンスの回転、翻訳、サイズを推定することを目的としている。カテゴリレベルの6次元オブジェクトポーズ推定(AG-Pose)のための新しいインスタンス適応型および幾何学的キーポイント学習法を提案する。提案した AG-Pose は、カテゴリー固有の形状の先行を伴わず、最先端の手法よりも大きなマージンで性能を向上する。
論文参考訳（メタデータ） (2024-03-28T16:02:03Z)
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)
Robust Change Detection Based on Neural Descriptor Fields [53.111397800478294]
我々は、部分的に重なり合う観測結果とノイズのある局所化結果に頑健なオブジェクトレベルのオンライン変化検出手法を開発した。形状符号の類似性を利用して物体を連想させ, 局所的な物体近傍の空間配置を比較することにより, 観測重複や局所雑音に対する頑健性を示す。
論文参考訳（メタデータ） (2022-08-01T17:45:36Z)
GPV-Pose: Category-level Object Pose Estimation via Geometry-guided Point-wise Voting [103.74918834553249]
GPV-Poseはロバストなカテゴリーレベルのポーズ推定のための新しいフレームワークである。幾何学的洞察を利用して、カテゴリーレベルのポーズ感応的特徴の学習を強化する。一般的な公開ベンチマークにおいて、最先端の競合相手に優れた結果をもたらす。
論文参考訳（メタデータ） (2022-03-15T13:58:50Z)
Category-Level Metric Scale Object Shape and Pose Estimation [73.92460712829188]
本稿では,測度スケールの形状と1枚のRGB画像からのポーズを共同で推定するフレームワークを提案する。カテゴリーレベルのオブジェクトのポーズと形状を評価するために,合成と実世界の両方のデータセット上で本手法の有効性を検証した。
論文参考訳（メタデータ） (2021-09-01T12:16:46Z)
ELLIPSDF: Joint Object Pose and Shape Optimization with a Bi-level Ellipsoid and Signed Distance Function Description [9.734266860544663]
本稿では,関節オブジェクトのポーズと形状最適化のための表現的かつコンパクトなモデルを提案する。多視点RGB-Dカメラ観測からオブジェクトレベルのマップを推論する。提案手法は,大規模実世界のScanNetデータセットを用いて評価し,最先端の手法と比較する。
論文参考訳（メタデータ） (2021-08-01T03:07:31Z)
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)
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)
Improving Few-shot Learning by Spatially-aware Matching and CrossTransformer [116.46533207849619]
数ショット学習シナリオにおけるスケールと位置ミスマッチの影響について検討する。本稿では,複数のスケールや場所のマッチングを効果的に行うための,空間認識型マッチング手法を提案する。
論文参考訳（メタデータ） (2020-01-06T14:10:20Z)
Category-Level Articulated Object Pose Estimation [34.57672805595464]
我々はArticulation-Aware Normalized Space Hierarchy (ANCSH)を紹介する。 ANCSHは、与えられたカテゴリ内の異なる明瞭なオブジェクトに対する標準表現である。我々は,単一深度点クラウドからANCSHを予測するPointNet++に基づくディープネットワークを開発する。
論文参考訳（メタデータ） (2019-12-26T18:34:37Z)

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。