論文の概要: Polarimetric Information for Multi-Modal 6D Pose Estimation of
Photometrically Challenging Objects with Limited Data
- arxiv url: http://arxiv.org/abs/2308.10627v1
- Date: Mon, 21 Aug 2023 10:56:00 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-22 13:59:20.968029
- Title: Polarimetric Information for Multi-Modal 6D Pose Estimation of
Photometrically Challenging Objects with Limited Data
- Title（参考訳）: 有限データを用いた光干渉物体の多モード6次元ポス推定のためのポラリメトリック情報
- Authors: Patrick Ruhkamp, Daoyi Gao, HyunJun Jung, Nassir Navab, Benjamin Busam
- Abstract要約: 6Dポーズ推定パイプラインは、RGBのみまたはRGB-Dデータに依存する。
このような制限を克服するために,補完分極情報を利用した教師付き学習ベース手法を提案する。
- 参考スコア（独自算出の注目度）: 51.95347650131366
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: 6D pose estimation pipelines that rely on RGB-only or RGB-D data show
limitations for photometrically challenging objects with e.g. textureless
surfaces, reflections or transparency. A supervised learning-based method
utilising complementary polarisation information as input modality is proposed
to overcome such limitations. This supervised approach is then extended to a
self-supervised paradigm by leveraging physical characteristics of polarised
light, thus eliminating the need for annotated real data. The methods achieve
significant advancements in pose estimation by leveraging geometric information
from polarised light and incorporating shape priors and invertible physical
constraints.
- Abstract（参考訳）: 6Dポーズ推定パイプラインは、RGBのみまたはRGB-Dデータに依存しており、テクスチャレス表面、リフレクション、透明性など、フォトメトリックに挑戦するオブジェクトの制限を示している。
このような制限を克服するために,補完分極情報を入力モダリティとして活用した教師付き学習ベース手法を提案する。
この教師付きアプローチは、偏光光の物理的特性を利用して自己教師付きパラダイムに拡張され、注釈付き実データの必要性がなくなる。
偏光からの幾何学的情報を活用し、形状優先と可逆的物理的制約を組み込むことにより、ポーズ推定において有意な進歩を達成する。
関連論文リスト
- Generalizable Non-Line-of-Sight Imaging with Learnable Physical Priors [52.195637608631955]
非視線画像(NLOS)は、その潜在的な応用により注目されている。
既存のNLOS再構成アプローチは、経験的物理的前提に依存して制約される。
本稿では,Learningable Path Compensation(LPC)とAdaptive Phasor Field(APF)の2つの主要な設計を含む,学習に基づく新しいソリューションを提案する。
論文 参考訳（メタデータ） (2024-09-21T04:39:45Z) - SS-SfP:Neural Inverse Rendering for Self Supervised Shape from (Mixed) Polarization [21.377923666134116]
偏光の形状 (SfP) は偏光の形状 (SfP) として知られる問題である。
単視点偏光画像から物体やシーンの3次元形状(画素表面の正規度と深さ)を推定する逆レンダリングに基づく新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2024-07-12T14:29:00Z) - S2P3: Self-Supervised Polarimetric Pose Prediction [55.43547228561919]
本稿では,マルチモーダルRGB+ポラリメトリック画像から,最初の自己監督型6次元オブジェクトポーズ予測を提案する。
1) 偏光の幾何学的情報を抽出する物理モデル,2) 教師による知識蒸留方式,3) 異なる制約による自己監督的損失の定式化を含む。
論文 参考訳（メタデータ） (2023-12-02T10:46:40Z) - NeISF: Neural Incident Stokes Field for Geometry and Material Estimation [50.588983686271284]
多視点逆レンダリングは、異なる視点で撮影された一連の画像から形状、材料、照明などのシーンパラメータを推定する問題である。
本稿では,偏光手がかりを用いた曖昧さを低減する多視点逆フレームワークNeISFを提案する。
論文 参考訳（メタデータ） (2023-11-22T06:28:30Z) - Geo6D: Geometric Constraints Learning for 6D Pose Estimation [21.080439293774464]
直接回帰6Dポーズ推定のためのGeo6Dと呼ばれる新しい幾何学的制約学習手法を提案する。
また,Geo6Dを装着すると,複数のデータセット上で直接6D手法が最先端の性能を達成することを示す。
論文 参考訳（メタデータ） (2022-10-20T02:00:58Z) - Polarimetric Pose Prediction [42.47531308682873]
カラーバンド分離波長と強度は、単色6Dオブジェクトのポーズ推定に最もよく用いられる。
本稿では,光波の発振方向などの相補的な偏光情報が,ポーズ予測の精度にどのように影響するかを考察する。
論文 参考訳（メタデータ） (2021-12-07T16:38:10Z) - 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) - Robust RGB-based 6-DoF Pose Estimation without Real Pose Annotations [92.5075742765229]
そこで本研究では,実際のポーズアノテーションを使わずに,課題条件下での6-DoFのポーズを頑健かつ正確に推定する手法を提案する。
LINEMOD と OccludedLINEMOD を実地設定なしで実現し、Occluded-LINEMOD のトレーニング中に実際のアノテーションに依存する方法よりも優れています。
論文 参考訳（メタデータ） (2020-08-19T12:07:01Z) - P2D: a self-supervised method for depth estimation from polarimetry [0.7046417074932255]
本研究では,シーンの正確な再構築を促進するために,偏光手法の活用を提案する。
本手法を定性的かつ定量的に評価し,この新たな情報の寄与と損失関数の強化により深度推定結果が向上することを示した。
論文 参考訳（メタデータ） (2020-07-15T09:32:53Z)
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。