Fugu-MT 論文翻訳(概要): KGpose: Keypoint-Graph Driven End-to-End Multi-Object 6D Pose Estimation via Point-Wise Pose Voting

論文の概要: KGpose: Keypoint-Graph Driven End-to-End Multi-Object 6D Pose Estimation via Point-Wise Pose Voting

arxiv url: http://arxiv.org/abs/2407.08909v1
Date: Fri, 12 Jul 2024 01:06:00 GMT
ステータス: 処理完了
システム内更新日: 2024-07-16 01:16:30.425455
Title: KGpose: Keypoint-Graph Driven End-to-End Multi-Object 6D Pose Estimation via Point-Wise Pose Voting
Title（参考訳）: KGpose: ポイントワイズポーズ投票によるキーポイントグラフ駆動型エンド・ツー・エンド多目的6Dポーズ推定
Authors: Andrew Jeong,
Abstract要約: KGposeは、複数のオブジェクトの6Dポーズ推定のためのエンドツーエンドフレームワークである。我々のアプローチはキーポイントベースの手法とキーポイントグラフによる学習可能なポーズ回帰を組み合わせる。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This letter presents KGpose, a novel end-to-end framework for 6D pose estimation of multiple objects. Our approach combines keypoint-based method with learnable pose regression through `keypoint-graph', which is a graph representation of the keypoints. KGpose first estimates 3D keypoints for each object using an attentional multi-modal feature fusion of RGB and point cloud features. These keypoints are estimated from each point of point cloud and converted into a graph representation. The network directly regresses 6D pose parameters for each point through a sequence of keypoint-graph embedding and local graph embedding which are designed with graph convolutions, followed by rotation and translation heads. The final pose for each object is selected from the candidates of point-wise predictions. The method achieves competitive results on the benchmark dataset, demonstrating the effectiveness of our model. KGpose enables multi-object pose estimation without requiring an extra localization step, offering a unified and efficient solution for understanding geometric contexts in complex scenes for robotic applications.
Abstract（参考訳）: KGposeは、複数のオブジェクトの6Dポーズ推定のための新しいエンドツーエンドフレームワークである。提案手法は,キーポイントのグラフ表現である'keypoint-graph'を通じて,キーポイントベースの手法と学習可能なポーズ回帰を組み合わせる。 KGposeはまず、RGBとポイントクラウドの機能を融合したマルチモーダル機能を用いて、各オブジェクトの3Dキーポイントを推定する。これらのキーポイントは点雲の各点から推定され、グラフ表現に変換される。ネットワークは、グラフ畳み込みで設計されたキーポイントグラフ埋め込みと局所グラフ埋め込みのシーケンスを通じて、各ポイントの6Dパラメータを直接回帰し、その後に回転と変換ヘッドが続く。各オブジェクトの最終ポーズは、ポイントワイズ予測候補から選択される。本手法は,本モデルの有効性を実証し,ベンチマークデータセット上での競合結果を実現する。 KGposeは、ロボットアプリケーションのための複雑なシーンにおける幾何学的コンテキストを理解するための統一的で効率的なソリューションを提供するため、追加のローカライゼーションステップを必要とせずに、多目的ポーズ推定を可能にする。

関連論文リスト

CheckerPose: Progressive Dense Keypoint Localization for Object Pose Estimation with Graph Neural Network [66.24726878647543]
単一のRGB画像から固い物体の6-DoFのポーズを推定することは、非常に難しい課題である。近年の研究では、高密度対応型解の大きな可能性を示している。そこで本研究では,CheckerPoseというポーズ推定アルゴリズムを提案する。
論文参考訳（メタデータ） (2023-03-29T17:30:53Z)
Neural Correspondence Field for Object Pose Estimation [67.96767010122633]
1枚のRGB画像から3次元モデルで剛体物体の6DoFポーズを推定する手法を提案する。入力画像の画素で3次元オブジェクト座標を予測する古典的対応法とは異なり,提案手法はカメラフラストラムでサンプリングされた3次元クエリポイントで3次元オブジェクト座標を予測する。
論文参考訳（メタデータ） (2022-07-30T01:48:23Z)
AutoLink: Self-supervised Learning of Human Skeletons and Object Outlines by Linking Keypoints [16.5436159805682]
本研究では,オブジェクト構造を外見から切り離すことを学習する自己教師型手法を提案する。キーポイントの位置と両辺の重みはどちらも学習され、同じオブジェクトクラスを描いている画像の集合のみを考慮に入れられる。結果のグラフは解釈可能で、例えばAutoLinkは、人を示す画像に適用すると、人間の骨格のトポロジーを復元する。
論文参考訳（メタデータ） (2022-05-21T16:32:34Z)
Coupled Iterative Refinement for 6D Multi-Object Pose Estimation [64.7198752089041]
既知の3DオブジェクトのセットとRGBまたはRGB-Dの入力画像から、各オブジェクトの6Dポーズを検出して推定する。我々のアプローチは、ポーズと対応を緊密に結合した方法で反復的に洗練し、アウトレーヤを動的に除去して精度を向上させる。
論文参考訳（メタデータ） (2022-04-26T18:00:08Z)
A Dynamic Keypoints Selection Network for 6DoF Pose Estimation [0.0]
6 DoF は2つの座標間の回転と変換のパラメータを推定することを目的とした推定問題である。単一のRGBD画像から6DoFポーズ推定のために設計された動的キーポイント選択に基づく新しいディープニューラルネットワークを提案する。
論文参考訳（メタデータ） (2021-10-24T09:58:56Z)
6D Object Pose Estimation using Keypoints and Part Affinity Fields [24.126513851779936]
RGB画像からの6Dオブジェクトのポーズ推定のタスクは、自律型サービスロボットが現実世界と対話できるための重要な要件である。既知物体の6自由度変換と配向を推定するための2段階パイプラインを提案する。
論文参考訳（メタデータ） (2021-07-05T14:41:19Z)
Bottom-Up Human Pose Estimation Via Disentangled Keypoint Regression [81.05772887221333]
従来のキーポイント検出およびグループ化フレームワークに劣る密度の高いキーポイント回帰フレームワークについて検討する。我々は,dekr(disentangled keypoint regression)という,単純かつ効果的な手法を提案する。提案手法はキーポイント検出法やグループ化法よりも優れていることを示す。
論文参考訳（メタデータ） (2021-04-06T05:54:46Z)
3D Point-to-Keypoint Voting Network for 6D Pose Estimation [8.801404171357916]
3次元キーポイントの空間構造特性に基づくRGB-Dデータから6次元ポーズ推定のためのフレームワークを提案する。提案手法は, LINEMOD と OCCLUSION LINEMOD の2つのベンチマークデータセットで検証する。
論文参考訳（メタデータ） (2020-12-22T11:43:15Z)
Rapid Pose Label Generation through Sparse Representation of Unknown Objects [7.32172860877574]
本研究は、未知のオブジェクトに対する実世界のポーズアノテートされたRGB-Dデータを高速に生成するためのアプローチを提案する。我々はまず、RGB-Dビデオのセット上で任意に選択されたキーポイントの順序付きセットの最小限のラベルを出力する。最適化問題を解くことにより、これらのラベルをワールドフレームの下に組み合わせ、スパースでキーポイントに基づくオブジェクトの表現を復元する。
論文参考訳（メタデータ） (2020-11-07T15:14:03Z)
Graph-PCNN: Two Stage Human Pose Estimation with Graph Pose Refinement [54.29252286561449]
グラフPCNNと呼ばれる2段階のグラフベースおよびモデルに依存しないフレームワークを提案する。第1段階では、粗局化結果を得るために熱マップ回帰ネットワークを適用し、ガイドポイントと呼ばれる一連の提案キーポイントをサンプリングする。第2段階では、各案内点について、ローカライゼーションにより異なる視覚特徴を抽出する。ガイドされた点間の関係は、より正確なローカライゼーション結果を得るためにグラフポーズ精製モジュールによって探索される。
論文参考訳（メタデータ） (2020-07-21T04:59:15Z)
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)

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。