論文の概要: Enhancing Transparent Object Pose Estimation: A Fusion of GDR-Net and Edge Detection

• arxiv url: http://arxiv.org/abs/2502.12027v1
• Date: Mon, 17 Feb 2025 16:59:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-18 14:10:30.437687
• Title: Enhancing Transparent Object Pose Estimation: A Fusion of GDR-Net and Edge Detection
• Title（参考訳）: 透過的オブジェクトポース推定の強化:GDR-Netとエッジ検出の融合
• Authors: Tessa Pulli, Peter Hönig, Stefan Thalhammer, Matthias Hirschmanner, Markus Vincze,
• Abstract要約: 本稿では,オブジェクト検出とオブジェクトポーズ推定のタスクに対して,エッジ検出を前処理ステップに組み込んだ新しいアプローチを提案する。 透明物体に対するエッジ検出器の効果を調べる実験を行った。
• 参考スコア（独自算出の注目度）: 7.409922717686699
• License:
• Abstract: Object pose estimation of transparent objects remains a challenging task in the field of robot vision due to the immense influence of lighting, background, and reflections. However, the edges of clear objects have the highest contrast, which leads to stable and prominent features. We propose a novel approach by incorporating edge detection in a pre-processing step for the tasks of object detection and object pose estimation. We conducted experiments to investigate the effect of edge detectors on transparent objects. We examine the performance of the state-of-the-art 6D object pose estimation pipeline GDR-Net and the object detector YOLOX when applying different edge detectors as pre-processing steps (i.e., Canny edge detection with and without color information, and holistically-nested edges (HED)). We evaluate the physically-based rendered dataset Trans6D-32 K of transparent objects with parameters proposed by the BOP Challenge. Our results indicate that applying edge detection as a pre-processing enhances performance for certain objects.
• Abstract（参考訳）: 透明物体のオブジェクトポーズ推定は、照明、背景、反射の影響が大きいため、ロボットビジョンの分野では難しい課題である。 しかし、透明な物体の縁は最もコントラストが高く、安定で顕著な特徴をもたらす。 本稿では,オブジェクト検出とオブジェクトポーズ推定のタスクに対して,エッジ検出を前処理ステップに組み込んだ新しいアプローチを提案する。 透明物体に対するエッジ検出器の効果を調べる実験を行った。 我々は,最先端の6Dオブジェクトポーズ推定パイプラインGDR-Netとオブジェクト検出器YOLOXの,異なるエッジ検出器を前処理ステップとして適用する際の性能について検討した。 我々は,BOPチャレンジによって提案されたパラメータを用いた透明物体の物理ベースレンダリングデータセットTrans6D-32Kを評価した。 その結果,エッジ検出を前処理として適用することで,特定のオブジェクトの性能が向上することが示唆された。

関連論文リスト

• Transparent Object Depth Completion [11.825680661429825]
  理解と操作のための透明な物体の認識は、依然として大きな課題である。 深度マップに大きく依存する既存のロボットグリップ法は、その独特の視覚特性のために透明な物体には適さない。 本稿では,一視点RGB-Dに基づく深度推定と多視点深度推定の長所を組み合わせた,透明物体深度補完のためのエンドツーエンドネットワークを提案する。
  論文  参考訳（メタデータ） (2024-05-24T07:38:06Z)
• TransNet: Transparent Object Manipulation Through Category-Level Pose Estimation [6.844391823478345]
  局所化深度補完と表面正規化を用いたカテゴリレベルの透明なオブジェクトポーズを推定する2段階パイプラインを提案する。 その結果,トランスネットは透明物体のポーズ推定精度の向上を実現していることがわかった。 われわれはTransNetを使って、ロボットピック・アンド・プレイスと注ぐタスクのための自律的透明なオブジェクト操作システムを構築している。
  論文  参考訳（メタデータ） (2023-07-23T18:38:42Z)
• SalienDet: A Saliency-based Feature Enhancement Algorithm for Object Detection for Autonomous Driving [160.57870373052577]
  未知の物体を検出するために,サリエンデット法(SalienDet)を提案する。 我々のSaienDetは、オブジェクトの提案生成のための画像機能を強化するために、サリエンシに基づくアルゴリズムを利用している。 オープンワールド検出を実現するためのトレーニングサンプルセットにおいて、未知のオブジェクトをすべてのオブジェクトと区別するためのデータセットレザベリングアプローチを設計する。
  論文  参考訳（メタデータ） (2023-05-11T16:19:44Z)
• Rigidity-Aware Detection for 6D Object Pose Estimation [60.88857851869196]
  最近の6Dオブジェクトのポーズ推定方法は、最初にオブジェクト検出を使用して2Dバウンディングボックスを取得し、実際にポーズを回帰する。 本研究では,6次元ポーズ推定において対象物体が剛性であるという事実を利用した剛性認識検出手法を提案する。 このアプローチの成功の鍵となるのは可視性マップであり、これは境界ボックス内の各ピクセルとボックス境界の間の最小障壁距離を用いて構築することを提案する。
  論文  参考訳（メタデータ） (2023-03-22T09:02:54Z)
• ARS-DETR: Aspect Ratio-Sensitive Detection Transformer for Aerial Oriented Object Detection [55.291579862817656]
  既存のオブジェクト指向オブジェクト検出手法では、モデルの性能を測定するために計量AP$_50$が一般的である。 我々は、AP$_50$は本来、角度偏差に大きな耐性があるため、オブジェクト指向物体検出には適さないと主張している。 本稿では,ARS-DETR(Aspect Ratio Sensitive Oriented Object Detector with Transformer)を提案する。
  論文  参考訳（メタデータ） (2023-03-09T02:20:56Z)
• Grasping the Inconspicuous [15.274311118568715]
  本研究では,RGB画像からの深層学習による6次元ポーズ推定について検討した。 透明物体を把握するためのRGB画像空間の有効性を実験により実証した。
  論文  参考訳（メタデータ） (2022-11-15T14:45:50Z)
• StereoPose: Category-Level 6D Transparent Object Pose Estimation from Stereo Images via Back-View NOCS [106.62225866064313]
  本稿では,カテゴリレベルのオブジェクトポーズ推定のためのステレオ画像フレームワークであるStereoPoseを紹介する。 純粋なステレオ画像からロバストな推定を行うため、カテゴリレベルのポーズ推定をオブジェクトサイズ推定、初期ポーズ推定、ポーズ修正に分解するパイプラインを開発する。 画像コンテンツエイリアス化の問題に対処するために、透明なオブジェクトに対するバックビューNOCSマップを定義する。 バックビューNOCSは、コンテンツエイリアスによるネットワーク学習のあいまいさを低減し、透明オブジェクトの背面にある情報的手がかりを利用してより正確なポーズ推定を行うことを目的としている。
  論文  参考訳（メタデータ） (2022-11-03T08:36:09Z)
• TransNet: Category-Level Transparent Object Pose Estimation [6.844391823478345]
  視覚的特徴の区別の欠如により、透明な物体は不透明な物体よりも検出と位置決めが困難になる。 第二の課題は、通常不透明物体の知覚に使用される一般的な深度センサーが透明物体の正確な深度測定を得ることができないことである。 局所的な深度補完と表面正規推定を用いてカテゴリレベルの透明なオブジェクトポーズを推定する2段階パイプラインであるTransNetを提案する。
  論文  参考訳（メタデータ） (2022-08-22T01:34:31Z)
• ClearPose: Large-scale Transparent Object Dataset and Benchmark [7.342978076186365]
  我々はClearPoseという名前の大規模現実世界のRGB-Depth透明オブジェクトデータセットをコントリビュートし、セグメンテーション、シーンレベルの深さ補完、オブジェクト中心のポーズ推定タスクのベンチマークデータセットとして機能する。 ClearPoseデータセットには、実世界のRGB-Depthフレームに350万以上のラベルが付けられ、63の家庭用オブジェクトをカバーする4Mインスタンスアノテーションが含まれている。
  論文  参考訳（メタデータ） (2022-03-08T07:29:31Z)
• Slender Object Detection: Diagnoses and Improvements [74.40792217534]
  本稿では,超高アスペクト比,すなわちtextbfslender オブジェクトの特定タイプの検出について検討する。 古典的物体検出法では、細い物体に対してのみ評価される場合、COCO上の18.9%のmAPの劇的な低下が観察される。
  論文  参考訳（メタデータ） (2020-11-17T09:39:42Z)
• Refined Plane Segmentation for Cuboid-Shaped Objects by Leveraging Edge Detection [63.942632088208505]
  本稿では,セグメント化された平面マスクを画像に検出されたエッジと整列するための後処理アルゴリズムを提案する。 これにより、立方体形状の物体に制限を加えながら、最先端のアプローチの精度を高めることができます。
  論文  参考訳（メタデータ） (2020-03-28T18:51:43Z)

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。