論文の概要: NeRF-based Visualization of 3D Cues Supporting Data-Driven Spacecraft Pose Estimation

• arxiv url: http://arxiv.org/abs/2509.14890v1
• Date: Thu, 18 Sep 2025 12:10:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-19 17:26:53.20398
• Title: NeRF-based Visualization of 3D Cues Supporting Data-Driven Spacecraft Pose Estimation
• Title（参考訳）: データ駆動型宇宙機ポース推定を支援するNeRFによる3次元キュウリの可視化
• Authors: Antoine Legrand, Renaud Detry, Christophe De Vleeschouwer,
• Abstract要約: 軌道上での操作では、チェッカー宇宙船とターゲットの間の相対的な6Dポーズを推定する必要がある。 データ駆動型宇宙船のポーズ推定法が開発されているが、実際のミッションへの採用は意思決定プロセスの理解の欠如によって妨げられている。 本稿では,ポーズ推定器が依存する3次元視覚的手がかりを可視化する手法を提案する。
• 参考スコア（独自算出の注目度）: 14.365830773250929
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: On-orbit operations require the estimation of the relative 6D pose, i.e., position and orientation, between a chaser spacecraft and its target. While data-driven spacecraft pose estimation methods have been developed, their adoption in real missions is hampered by the lack of understanding of their decision process. This paper presents a method to visualize the 3D visual cues on which a given pose estimator relies. For this purpose, we train a NeRF-based image generator using the gradients back-propagated through the pose estimation network. This enforces the generator to render the main 3D features exploited by the spacecraft pose estimation network. Experiments demonstrate that our method recovers the relevant 3D cues. Furthermore, they offer additional insights on the relationship between the pose estimation network supervision and its implicit representation of the target spacecraft.
• Abstract（参考訳）: 軌道上での操作では、チェッカー宇宙船とターゲットの間の相対的な6Dポーズ、すなわち位置と向きを推定する必要がある。 データ駆動型宇宙船のポーズ推定法が開発されているが、実際のミッションへの採用は意思決定プロセスの理解の欠如によって妨げられている。 本稿では,ポーズ推定器が依存する3次元視覚的手がかりを可視化する手法を提案する。 この目的のために、ポーズ推定ネットワークを介して逆伝播する勾配を用いて、NeRFベースの画像生成装置を訓練する。 これにより、ジェネレータは、宇宙船のポーズ推定ネットワークによって利用される主要な3D特徴をレンダリングする。 実験により,本手法が関連する3次元キューを復元することを示した。 さらに、ポーズ推定ネットワークの監督とターゲット宇宙船の暗黙的な表現との関係について、さらなる洞察を提供する。

関連論文リスト

• Motion Aware ViT-based Framework for Monocular 6-DoF Spacecraft Pose Estimation [14.875896480287631]
  6-DoFのポーズ推定は、複数の宇宙船のミッションにおいて重要な役割を果たす。 既存のポーズ推定アプローチのほとんどは、静的なキーポイントローカライゼーションを持つ単一イメージに依存している。 人間のポーズ推定から宇宙船ポーズ推定への深層学習の枠組みを適用する。
  論文  参考訳（メタデータ） (2025-09-07T10:15:55Z)
• Leveraging Neural Radiance Fields for Pose Estimation of an Unknown Space Object during Proximity Operations [14.624172952608653]
  本稿では、未知のターゲットに「オフ・ザ・シェルフ」宇宙船のポーズ推定装置を適用可能な新しい手法を提案する。 対象画像のスパースコレクションを用いてNeRFモデルをトレーニングし,視点と照明の両面で多様な大きなデータセットを生成する。 本手法は,スパース画像の集合から,市販の宇宙船のポーズ推定ネットワークの訓練に有効であることが実証された。
  論文  参考訳（メタデータ） (2024-05-21T12:34:03Z)
• OccNeRF: Advancing 3D Occupancy Prediction in LiDAR-Free Environments [77.0399450848749]
  本稿では,OccNeRF法を用いて,3次元監視なしで占有ネットワークを訓練する手法を提案する。 我々は、再構成された占有領域をパラメータ化し、サンプリング戦略を再編成し、カメラの無限知覚範囲に合わせる。 意味的占有予測のために,事前学習した開語彙2Dセグメンテーションモデルの出力をフィルタリングし,プロンプトを洗練するためのいくつかの戦略を設計する。
  論文  参考訳（メタデータ） (2023-12-14T18:58:52Z)
• 3DGazeNet: Generalizing Gaze Estimation with Weak-Supervision from Synthetic Views [67.00931529296788]
  本稿では,適応を伴わない新しい環境に直接適用可能な一般的な視線推定モデルを訓練することを提案する。 視覚的擬似アノテーションを用いた多彩な顔の大規模データセットを作成し、シーンの3次元形状に基づいて抽出する。 本研究では,本手法を視線一般化タスクにおいて検証し,真理データが得られない場合の最先端技術と比較して最大30%の改善を実証する。
  論文  参考訳（メタデータ） (2022-12-06T14:15:17Z)
• On Triangulation as a Form of Self-Supervision for 3D Human Pose Estimation [57.766049538913926]
  ラベル付きデータが豊富である場合, 単一画像からの3次元ポーズ推定に対する改良されたアプローチは, 極めて効果的である。 最近の注目の多くは、セミと(あるいは)弱い教師付き学習に移行している。 本稿では,多視点の幾何学的制約を,識別可能な三角測量を用いて課し,ラベルがない場合の自己監督の形式として用いることを提案する。
  論文  参考訳（メタデータ） (2022-03-29T19:11:54Z)
• LSPnet: A 2D Localization-oriented Spacecraft Pose Estimation Neural Network [10.6872574091924]
  本研究は,非協調宇宙船の姿勢を推定するために,畳み込みニューラルネットワーク(CNN)を用いた新しい手法を探索する。 他のアプローチとは対照的に、提案されたCNNは3D情報を必要とせずにポーズを直接取り消す。 この実験は、非協力的な宇宙船のポーズ推定における最先端技術とどのように競合するかを示す。
  論文  参考訳（メタデータ） (2021-04-19T12:46:05Z)
• MonoRUn: Monocular 3D Object Detection by Reconstruction and Uncertainty Propagation [4.202461384355329]
  我々は,高密度な対応や幾何学を自己教師型で学習する,新しい3次元オブジェクト検出フレームワークMonoRUnを提案する。 提案手法は,KITTIベンチマークの最先端手法より優れている。
  論文  参考訳（メタデータ） (2021-03-23T15:03:08Z)
• 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)

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。