論文の概要: Correspondence-Free Pose Estimation with Patterns: A Unified Approach for Multi-Dimensional Vision

• arxiv url: http://arxiv.org/abs/2503.00051v1
• Date: Wed, 26 Feb 2025 14:38:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-05 19:15:41.925891
• Title: Correspondence-Free Pose Estimation with Patterns: A Unified Approach for Multi-Dimensional Vision
• Title（参考訳）: パターンを用いた対応自由空間推定:多次元視覚への統一的アプローチ
• Authors: Quan Quan, Dun Dai,
• Abstract要約: 新たな対応のないポーズ推定法とその実用的なアルゴリズムを提案する。 考慮された点集合をパターンとすることで、これらのパターンを記述するために使われる特徴関数を導入し、最適化に十分な数の方程式を確立する。 提案手法は視点投影などの非線形変換に適用可能であり,3次元から3次元,3次元から2次元,2次元から2次元までの様々なポーズ推定を行うことができる。
• 参考スコア（独自算出の注目度）: 10.274601503572715
• License:
• Abstract: 6D pose estimation is a central problem in robot vision. Compared with pose estimation based on point correspondences or its robust versions, correspondence-free methods are often more flexible. However, existing correspondence-free methods often rely on feature representation alignment or end-to-end regression. For such a purpose, a new correspondence-free pose estimation method and its practical algorithms are proposed, whose key idea is the elimination of unknowns by process of addition to separate the pose estimation from correspondence. By taking the considered point sets as patterns, feature functions used to describe these patterns are introduced to establish a sufficient number of equations for optimization. The proposed method is applicable to nonlinear transformations such as perspective projection and can cover various pose estimations from 3D-to-3D points, 3D-to-2D points, and 2D-to-2D points. Experimental results on both simulation and actual data are presented to demonstrate the effectiveness of the proposed method.
• Abstract（参考訳）: 6次元ポーズ推定はロボットビジョンの中心的な問題である。 点対応や頑健なバージョンに基づくポーズ推定と比較すると、対応のない手法の方が柔軟であることが多い。 しかし、既存の対応のない手法は、しばしば特徴表現のアライメントやエンドツーエンドのレグレッションに依存している。 このような目的のために、新しい対応のないポーズ推定法とその実用的なアルゴリズムを提案し、その鍵となるアイデアは、ポーズ推定を対応から切り離すための追加プロセスによる未知の除去である。 考慮された点集合をパターンとすることで、これらのパターンを記述するために使われる特徴関数を導入し、最適化に十分な数の方程式を確立する。 提案手法は視点投影などの非線形変換に適用可能であり,3次元から3次元,3次元から2次元,2次元から2次元までの様々なポーズ推定を行うことができる。 本手法の有効性を示すため,シミュレーションと実データの両方の実験結果を示した。

関連論文リスト

• Universal Features Guided Zero-Shot Category-Level Object Pose Estimation [52.29006019352873]
  カテゴリレベルの6-DOFオブジェクトのポーズ推定を実現するゼロショット手法を提案する。 提案手法は,入力RGB-D画像の2次元と3次元の普遍的特徴を利用して,意味的類似性に基づく対応性を確立する。 提案手法は,REAL275およびWild6Dベンチマークにおいて,未知のカテゴリに対して従来手法よりも優れていた。
  論文  参考訳（メタデータ） (2025-01-06T08:10:13Z)
• ProPLIKS: Probablistic 3D human body pose estimation [7.397323069796547]
  本稿では,確率論的モデルを用いた3次元人間のポーズ推定手法を提案する。 具体的には,SO(3)回転群に配向した流れを正規化し,M"オビウス変換に基づく結合機構を組み込む。 また,これらの入力を様々なポーズにマッピングする作業として,2次元画素配列の入力から3次元人物を再構成する課題を再解釈する。
  論文  参考訳（メタデータ） (2024-12-05T23:21:05Z)
• A Stochastic-Geometrical Framework for Object Pose Estimation based on Mixture Models Avoiding the Correspondence Problem [0.0]
  本稿では,複数特徴点の観測に基づくオブジェクトポーズ推定のための新しい幾何学的モデリングフレームワークを提案する。 混合モデルを用いた確率論的モデリングは、正確でロバストなポーズ推定の可能性を示している。
  論文  参考訳（メタデータ） (2023-11-29T21:45:33Z)
• A Probabilistic Relaxation of the Two-Stage Object Pose Estimation Paradigm [0.0]
  オブジェクトポーズ推定のためのマッチングのない確率的定式化を提案する。 視覚的対応と幾何学的アライメントの両方を統一的かつ同時に最適化することができる。 これは、おそらくのポーズの分布全体の異なる可算モードを表現することができる。
  論文  参考訳（メタデータ） (2023-06-01T16:50:40Z)
• 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)
• CPPF++: Uncertainty-Aware Sim2Real Object Pose Estimation by Vote Aggregation [67.12857074801731]
  そこで本研究では,シミュレートからリアルなポーズ推定のための新しい手法であるCPPF++を提案する。 投票衝突による課題に対処するため,投票の不確実性をモデル化する新たなアプローチを提案する。 ノイズの多いペアフィルタリング、オンラインアライメント最適化、機能アンサンブルなど、いくつかの革新的なモジュールを組み込んでいます。
  論文  参考訳（メタデータ） (2022-11-24T03:27:00Z)
• Multi-view object pose estimation from correspondence distributions and epipolar geometry [0.0]
  本稿では,学習した2D-3D分布を,初期推定と任意修正の両方のために複数の視点から集約する多視点ポーズ推定手法を提案する。 提案手法は,最も優れた単一視点法と比較して,ポーズ推定誤差を80～91%削減する。
  論文  参考訳（メタデータ） (2022-10-03T13:30:40Z)
• 6DOF Pose Estimation of a 3D Rigid Object based on Edge-enhanced Point Pair Features [20.33119373900788]
  本稿では,点対特徴量(PPF)に基づく効率的な6次元ポーズ推定手法を提案する。 エッジマッチング度を計算することにより、対称曖昧性を解決するために、ポーズ仮説の検証手法を提案する。
  論文  参考訳（メタデータ） (2022-09-17T07:05:50Z)
• Uncertainty-Aware Adaptation for Self-Supervised 3D Human Pose Estimation [70.32536356351706]
  本稿では、2つの出力ヘッドを2つの異なる構成にサブスクライブする共通のディープネットワークバックボーンを構成するMPP-Netを紹介する。 ポーズと関節のレベルで予測の不確実性を定量化するための適切な尺度を導出する。 本稿では,提案手法の総合評価を行い,ベンチマークデータセット上での最先端性能を示す。
  論文  参考訳（メタデータ） (2022-03-29T07:14:58Z)
• Multi-person 3D Pose Estimation in Crowded Scenes Based on Multi-View Geometry [62.29762409558553]
  マルチパーソナライズされた3次元ポーズ推定手法における特徴マッチングと深さ推定のコアは、エピポーラ制約である。 スパサーの群衆シーンにおけるこの定式化の良好なパフォーマンスにもかかわらず、その効果はより密集した群衆の状況下でしばしば挑戦される。 本稿では,マルチパーソン3次元ポーズ推定式から脱却し,群衆ポーズ推定として再編成する。
  論文  参考訳（メタデータ） (2020-07-21T17:59:36Z)
• Learning 2D-3D Correspondences To Solve The Blind Perspective-n-Point Problem [98.92148855291363]
  本稿では、6-DoFの絶対カメラポーズ2D--3D対応を同時に解決するディープCNNモデルを提案する。 実データとシミュレーションデータの両方でテストした結果,本手法は既存手法よりも大幅に優れていた。
  論文  参考訳（メタデータ） (2020-03-15T04:17:30Z)

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。