論文の概要: MonoSE(3)-Diffusion: A Monocular SE(3) Diffusion Framework for Robust Camera-to-Robot Pose Estimation

• arxiv url: http://arxiv.org/abs/2510.10434v1
• Date: Sun, 12 Oct 2025 03:57:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 18:06:29.9374
• Title: MonoSE(3)-Diffusion: A Monocular SE(3) Diffusion Framework for Robust Camera-to-Robot Pose Estimation
• Title（参考訳）: MonoSE(3)-Diffusion:ロバストカメラとロボットの姿勢推定のための単眼SE(3)拡散フレームワーク
• Authors: Kangjian Zhu, Haobo Jiang, Yigong Zhang, Jianjun Qian, Jian Yang, Jin Xie,
• Abstract要約: ロボットのポーズ推定のための条件付き denoising diffusion framework である MonoSE(3)-Diffusion を提案する。 フレームワークは2つのプロセスから構成される: 多様なポーズ増強のための可視性制約付き拡散プロセスと、ポーズ改善のためのタイムステップ対応の逆プロセスである。 我々のアプローチは、最先端のベンチマーク(DREAMとRoboKeyGen)で32.3%のアップを示している。
• 参考スコア（独自算出の注目度）: 39.15285671441867
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose MonoSE(3)-Diffusion, a monocular SE(3) diffusion framework that formulates markerless, image-based robot pose estimation as a conditional denoising diffusion process. The framework consists of two processes: a visibility-constrained diffusion process for diverse pose augmentation and a timestep-aware reverse process for progressive pose refinement. The diffusion process progressively perturbs ground-truth poses to noisy transformations for training a pose denoising network. Importantly, we integrate visibility constraints into the process, ensuring the transformations remain within the camera field of view. Compared to the fixed-scale perturbations used in current methods, the diffusion process generates in-view and diverse training poses, thereby improving the network generalization capability. Furthermore, the reverse process iteratively predicts the poses by the denoising network and refines pose estimates by sampling from the diffusion posterior of current timestep, following a scheduled coarse-to-fine procedure. Moreover, the timestep indicates the transformation scales, which guide the denoising network to achieve more accurate pose predictions. The reverse process demonstrates higher robustness than direct prediction, benefiting from its timestep-aware refinement scheme. Our approach demonstrates improvements across two benchmarks (DREAM and RoboKeyGen), achieving a notable AUC of 66.75 on the most challenging dataset, representing a 32.3% gain over the state-of-the-art.
• Abstract（参考訳）: 本研究では,無マーカーで画像に基づくロボットのポーズ推定を条件付き denoising 拡散過程として定式化する単分子SE(3)拡散フレームワーク MonoSE(3)-Diffusion を提案する。 フレームワークは2つのプロセスから構成される: 多様なポーズ強化のための可視性制約付き拡散プロセスと、プログレッシブポーズ改善のためのタイムステップ対応の逆プロセスである。 拡散過程は、着地構造が徐々に乱れていくと、ポーズ認知ネットワークを訓練するためのノイズ変換に反応する。 重要なことは、可視性制約をプロセスに統合し、変換がカメラの視野内にあることを保証することである。 現在の方法で用いられる固定スケール摂動と比較して、拡散過程はインビューおよび多様なトレーニングポーズを生成し、ネットワークの一般化能力を向上させる。 さらに、逆処理は、デノナイジングネットワークによるポーズを反復的に予測し、スケジュールされた粗大な手順に従って、現在の時間ステップの拡散後からサンプリングしてポーズ推定を洗練する。 さらに、このタイムステップは、より正確なポーズ予測を実現するためにデノナイジングネットワークを誘導する変換スケールを示す。 逆のプロセスは直接予測よりも堅牢性が高く、タイムステップ対応の改良スキームの恩恵を受けている。 我々のアプローチは、2つのベンチマーク(DREAMとRoboKeyGen)で改善を示し、最も困難なデータセットで66.75のAUCを達成した。

関連論文リスト

• ReNoise: Real Image Inversion Through Iterative Noising [62.96073631599749]
  本研究では,操作数を増やすことなく,高い品質と操作率の逆転法を導入し,再現精度を向上する。 我々は,近年の高速化拡散モデルを含む様々なサンプリングアルゴリズムとモデルを用いて,Renoise手法の性能を評価する。
  論文  参考訳（メタデータ） (2024-03-21T17:52:08Z)
• Efficient Diffusion Model for Image Restoration by Residual Shifting [63.02725947015132]
  本研究では,画像復元のための新しい,効率的な拡散モデルを提案する。 提案手法は,推論中の後処理の高速化を回避し,関連する性能劣化を回避する。 提案手法は,3つの古典的IRタスクにおける現在の最先端手法よりも優れた,あるいは同等の性能を実現する。
  論文  参考訳（メタデータ） (2024-03-12T05:06:07Z)
• Implicit Image-to-Image Schrodinger Bridge for Image Restoration [13.138398298354113]
  我々は,Imlicit Image-to-Image Schr"odinger Bridge (I$3$SB)を導入し,I$2$SBの生成過程をさらに加速する。 I$3$SB は生成過程を生成過程に初期劣化した画像を各生成段階に組み込むことで非マルコフフレームワークに再構成する。 I$2$SBと比較すると、I$3$SBはより少ない生成ステップで同じ知覚品質を達成しつつ、根本真実への忠実さを維持したり改善したりすることができる。
  論文  参考訳（メタデータ） (2024-03-10T03:22:57Z)
• SE(3) Diffusion Model-based Point Cloud Registration for Robust 6D Object Pose Estimation [66.16525145765604]
  実世界のシナリオにおける6次元オブジェクトポーズ推定のためのSE(3)拡散モデルに基づく点クラウド登録フレームワークを提案する。 提案手法は,3次元登録タスクをデノナイズ拡散過程として定式化し,音源雲の姿勢を段階的に洗練する。 実世界のTUD-L, LINEMOD, およびOccluded-LINEMODデータセットにおいて, 拡散登録フレームワークが顕著なポーズ推定性能を示すことを示す。
  論文  参考訳（メタデータ） (2023-10-26T12:47:26Z)
• DiffPose: Toward More Reliable 3D Pose Estimation [11.6015323757147]
  逆拡散過程として3次元ポーズ推定を定式化する新しいポーズ推定フレームワーク(DiffPose)を提案する。 提案するDiffPoseは,Human3.6MとMPI-INF-3DHPで広く使用されているポーズ推定ベンチマークにおいて,既存の手法よりも優れていた。
  論文  参考訳（メタデータ） (2022-11-30T12:22:22Z)

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。