論文の概要: DynamicPose: Real-time and Robust 6D Object Pose Tracking for Fast-Moving Cameras and Objects

• arxiv url: http://arxiv.org/abs/2508.11950v1
• Date: Sat, 16 Aug 2025 07:25:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-19 14:49:10.476021
• Title: DynamicPose: Real-time and Robust 6D Object Pose Tracking for Fast-Moving Cameras and Objects
• Title（参考訳）: DynamicPose: 高速カメラとオブジェクトのためのリアルタイムでロバストな6Dオブジェクト追跡
• Authors: Tingbang Liang, Yixin Zeng, Jiatong Xie, Boyu Zhou,
• Abstract要約: トレーニング不要な6DポーズトラッキングフレームワークであるDynamicPoseを紹介する。 素早く動くカメラやオブジェクトのシナリオにおけるロバストさのトラッキングを改善する。
• 参考スコア（独自算出の注目度）: 4.15520326813392
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present DynamicPose, a retraining-free 6D pose tracking framework that improves tracking robustness in fast-moving camera and object scenarios. Previous work is mainly applicable to static or quasi-static scenes, and its performance significantly deteriorates when both the object and the camera move rapidly. To overcome these challenges, we propose three synergistic components: (1) A visual-inertial odometry compensates for the shift in the Region of Interest (ROI) caused by camera motion; (2) A depth-informed 2D tracker corrects ROI deviations caused by large object translation; (3) A VIO-guided Kalman filter predicts object rotation, generates multiple candidate poses, and then obtains the final pose by hierarchical refinement. The 6D pose tracking results guide subsequent 2D tracking and Kalman filter updates, forming a closed-loop system that ensures accurate pose initialization and precise pose tracking. Simulation and real-world experiments demonstrate the effectiveness of our method, achieving real-time and robust 6D pose tracking for fast-moving cameras and objects.
• Abstract（参考訳）: 高速移動カメラとオブジェクトシナリオにおけるロバスト性を改善するリトレーニングフリーな6DポーズトラッキングフレームワークであるDynamicPoseを紹介する。 従来の作業は主に静的または準静的なシーンに適用でき、物体とカメラの両方が高速に移動すると、その性能は著しく低下する。 これらの課題を克服するために,(1)カメラモーションによる関心領域(ROI)の変化を補償する視覚慣性オドメトリー,(2)大規模オブジェクト翻訳によるROIずれを補正するディープインフォームド2Dトラッカー,(3)VIO誘導カルマンフィルタによるオブジェクト回転の予測,複数の候補ポーズの生成,そして階層的改善による最終ポーズの取得,の3つの相乗的要素を提案する。 6Dポーズトラッキングの結果は、その後の2Dトラッキングとカルマンフィルタの更新をガイドし、正確なポーズの初期化と正確なポーズトラッキングを保証するクローズドループシステムを形成する。 シミュレーションおよび実世界の実験により,高速移動カメラや物体に対するリアルタイムかつロバストな6次元ポーズトラッキングを実現することにより,本手法の有効性を実証した。

関連論文リスト

• Back on Track: Bundle Adjustment for Dynamic Scene Reconstruction [78.27956235915622]
  従来のSLAMシステムは、カジュアルなビデオでよく見られる非常にダイナミックなシーンと格闘する。 この研究は3Dポイントトラッカーを利用して、カメラによる動的物体の動きからカメラによる動きを分離する。 私たちのフレームワークは、従来のSLAM -- バンドル調整 -- の中核を、堅牢な学習ベースの3Dトラッカーフロントエンドと組み合わせています。
  論文  参考訳（メタデータ） (2025-04-20T07:29:42Z)
• Street Gaussians without 3D Object Tracker [86.62329193275916]
  既存の方法は、標準空間における動的オブジェクトを再構築するために、オブジェクトポーズの労働集約的な手動ラベリングに依存している。 本研究では,3次元オブジェクト融合戦略における2次元ディープトラッカーの関連性を利用して,安定なオブジェクト追跡モジュールを提案する。 我々は、軌道誤差を自律的に補正し、見逃した検出を回復する暗黙の特徴空間に、モーションラーニング戦略を導入することで、避けられないトラッキングエラーに対処する。
  論文  参考訳（メタデータ） (2024-12-07T05:49:42Z)
• 6DOPE-GS: Online 6D Object Pose Estimation using Gaussian Splatting [7.7145084897748974]
  1台のRGB-Dカメラで6Dオブジェクトのポーズを推定・追跡する新しい手法である6DOPE-GSを提案する。 その結果,6DOPE-GSはモデルレス同時ポーズトラッキングと再構築のための最先端ベースラインの性能と一致していることがわかった。 また,実世界の環境下での動的物体追跡と再構成のための手法の適合性を実証した。
  論文  参考訳（メタデータ） (2024-12-02T14:32:19Z)
• CRiM-GS: Continuous Rigid Motion-Aware Gaussian Splatting from Motion-Blurred Images [14.738528284246545]
  CRiM-GS は textbfContinuous textbfRigid textbfMotion-aware textbfGaussian textbfSplatting である。 リアルタイムレンダリング速度を維持しながら、モーションブルーの画像から正確な3Dシーンを再構築する。
  論文  参考訳（メタデータ） (2024-07-04T13:37:04Z)
• DO3D: Self-supervised Learning of Decomposed Object-aware 3D Motion and Depth from Monocular Videos [76.01906393673897]
  本研究では,モノクラービデオから3次元運動と深度を協調的に学習する自己教師手法を提案する。 本システムでは,深度を推定する深度推定モジュールと,エゴモーションと3次元物体の動きを推定する新しい分解対象3次元運動推定モジュールを備える。 我々のモデルは評価されたすべての設定において優れたパフォーマンスを提供する。
  論文  参考訳（メタデータ） (2024-03-09T12:22:46Z)
• DORT: Modeling Dynamic Objects in Recurrent for Multi-Camera 3D Object Detection and Tracking [67.34803048690428]
  本稿では、この問題を解決するためにRecurrenT(DORT)の動的オブジェクトをモデル化することを提案する。 DORTは、重い計算負担を軽減する動き推定のために、オブジェクトワイズローカルボリュームを抽出する。 フレキシブルで実用的で、ほとんどのカメラベースの3Dオブジェクト検出器に差し込むことができる。
  論文  参考訳（メタデータ） (2023-03-29T12:33:55Z)
• Enhancing Generalizable 6D Pose Tracking of an In-Hand Object with Tactile Sensing [31.49529551069215]
  TEG-Trackは触覚による6Dポーズトラッキングシステムである。 手に持たない物体を追跡できる。 その結果,TEG-Trackは最先端の一般化可能な6Dポーズトラッカーを一貫して強化することを示した。
  論文  参考訳（メタデータ） (2022-10-08T13:47:03Z)
• ROFT: Real-Time Optical Flow-Aided 6D Object Pose and Velocity Tracking [7.617467911329272]
  RGB-D画像ストリームからの6次元オブジェクトポーズと速度追跡のためのカルマンフィルタ手法であるROFTを導入する。 リアルタイム光フローを活用することで、ROFTは低フレームレートの畳み込みニューラルネットワークの遅延出力をインスタンスセグメンテーションと6Dオブジェクトのポーズ推定に同期させる。 その結果,本手法は6次元オブジェクトのポーズトラッキングと6次元オブジェクトの速度トラッキングを併用しながら,最先端の手法よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2021-11-06T07:30:00Z)

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。