論文の概要: Are Euler angles a useful rotation parameterisation for pose estimation with Normalizing Flows?

• arxiv url: http://arxiv.org/abs/2511.02277v1
• Date: Tue, 04 Nov 2025 05:28:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-05 18:47:05.820599
• Title: Are Euler angles a useful rotation parameterisation for pose estimation with Normalizing Flows?
• Title（参考訳）: オイラー角は正規化フローを用いたポーズ推定に有用な回転パラメータ化か?
• Authors: Giorgos Sfikas, Konstantina Nikolaidou, Foteini Papadopoulou, George Retsinas, Anastasios L. Kesidis,
• Abstract要約: 我々は、ポーズ推定のための正規化フローモデルの基礎として、有名なオイラー角パラメータ化を用いる。 ユーラー角はその欠点にもかかわらず、多くの側面において有用なモデルにつながるかもしれないという考えを探求する。
• 参考スコア（独自算出の注目度）: 14.88146533777764
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Object pose estimation is a task that is of central importance in 3D Computer Vision. Given a target image and a canonical pose, a single point estimate may very often be sufficient; however, a probabilistic pose output is related to a number of benefits when pose is not unambiguous due to sensor and projection constraints or inherent object symmetries. With this paper, we explore the usefulness of using the well-known Euler angles parameterisation as a basis for a Normalizing Flows model for pose estimation. Isomorphic to spatial rotation, 3D pose has been parameterized in a number of ways, either in or out of the context of parameter estimation. We explore the idea that Euler angles, despite their shortcomings, may lead to useful models in a number of aspects, compared to a model built on a more complex parameterisation.
• Abstract（参考訳）: オブジェクトのポーズ推定は、3Dコンピュータビジョンにおいて重要なタスクである。 対象画像と標準ポーズが与えられた場合、単一点推定は十分であることが多いが、確率的ポーズ出力は、センサーや射影制約や固有の対象対称性のためにポーズが曖昧でない場合、多くの利点に関係している。 本稿では,ポーズ推定のための正規化フローモデルの基礎として,有名なオイラー角のパラメータ化を用いることの有用性について検討する。 空間回転に同型な3次元ポーズは、パラメータ推定の文脈内または外部において、様々な方法でパラメータ化されている。 我々は、ユーラー角がその欠点にもかかわらず、より複雑なパラメータ化の上に構築されたモデルと比較して、様々な面で有用なモデルをもたらすかもしれないという考えを探求する。

関連論文リスト

• One2Any: One-Reference 6D Pose Estimation for Any Object [98.50085481362808]
  6Dオブジェクトのポーズ推定は、完全な3Dモデルへの依存、マルチビューイメージ、特定のオブジェクトカテゴリに限定したトレーニングのため、多くのアプリケーションにとって依然として困難である。 本稿では,単一の参照単一クエリRGB-D画像のみを用いて,相対6自由度(DOF)オブジェクトのポーズを推定する新しい手法One2Anyを提案する。 複数のベンチマークデータセットの実験により、我々のモデルは新しいオブジェクトによく一般化し、最先端の精度を実現し、また、コンピュータのごく一部でマルチビューやCAD入力を必要とする競合する手法さえも実現している。
  論文  参考訳（メタデータ） (2025-05-07T03:54:59Z)
• FLARE: Feed-forward Geometry, Appearance and Camera Estimation from Uncalibrated Sparse Views [100.45129752375658]
  FLAREは、高品質カメラのポーズと3次元幾何を、補正されていないスパースビュー画像から推定するために設計されたフィードフォワードモデルである。 本ソリューションでは,3次元構造を2次元画像平面にマッピングする上で,カメラポーズが重要なブリッジとして機能するケースケード学習パラダイムを特徴とする。
  論文  参考訳（メタデータ） (2025-02-17T18:54:05Z)
• UNOPose: Unseen Object Pose Estimation with an Unposed RGB-D Reference Image [86.7128543480229]
  見えないオブジェクトのポーズ推定方法はCADモデルや複数の参照ビューに依存することが多い。 参照取得を簡略化するために,未提示のRGB-D参照画像を用いて未確認オブジェクトのポーズを推定することを目的とする。 単参照型オブジェクトポーズ推定のための新しいアプローチとベンチマークをUNOPoseと呼ぶ。
  論文  参考訳（メタデータ） (2024-11-25T05:36:00Z)
• 3D-Aware Hypothesis & Verification for Generalizable Relative Object Pose Estimation [69.73691477825079]
  一般化可能なオブジェクトポーズ推定の問題に対処する新しい仮説検証フレームワークを提案する。 信頼性を計測するために,2つの入力画像から学習した3次元オブジェクト表現に3次元変換を明示的に適用する3D認識検証を導入する。
  論文  参考訳（メタデータ） (2023-10-05T13:34:07Z)
• Learning Implicit Probability Distribution Functions for Symmetric Orientation Estimation from RGB Images Without Pose Labels [23.01797447932351]
  RGB-D画像の自動ポーズラベリング方式を提案する。 我々は、RGB画像の向き仮説の確率を推定するために、インプリシットPDFモデルを訓練する。 SO(3)多様体の効率的な階層的サンプリングは、完備な対称性の集合を抽出可能な生成を可能にする。
  論文  参考訳（メタデータ） (2022-11-21T12:07:40Z)
• Ambiguity-Aware Multi-Object Pose Optimization for Visually-Assisted Robot Manipulation [17.440729138126162]
  あいまいさを意識した6Dオブジェクトポーズ推定ネットワークPrimA6D++を汎用的不確実性予測手法として提案する。 提案手法は,T-LESS と YCB-Video のデータセットの性能向上を示す。 さらに,視覚支援ロボット操作のためのリアルタイムシーン認識機能を示す。
  論文  参考訳（メタデータ） (2022-11-02T08:57:20Z)
• Perspective-1-Ellipsoid: Formulation, Analysis and Solutions of the Camera Pose Estimation Problem from One Ellipse-Ellipsoid Correspondence [1.7188280334580193]
  我々は,エリスポイド固有の理論的枠組みを導入し,ポーズ推定の文脈で有用性を示す。 提案手法により, 位置や方向のみの推定問題に対して, ポーズ推定問題を低減できることを示す。
  論文  参考訳（メタデータ） (2022-08-26T09:15:20Z)
• RelPose: Predicting Probabilistic Relative Rotation for Single Objects in the Wild [73.1276968007689]
  本稿では、任意のオブジェクトの複数の画像からカメラ視点を推定するデータ駆動手法について述べる。 本手法は, 画像の鮮明さから, 最先端のSfM法とSLAM法より優れていることを示す。
  論文  参考訳（メタデータ） (2022-08-11T17:59:59Z)
• GPV-Pose: Category-level Object Pose Estimation via Geometry-guided Point-wise Voting [103.74918834553249]
  GPV-Poseはロバストなカテゴリーレベルのポーズ推定のための新しいフレームワークである。 幾何学的洞察を利用して、カテゴリーレベルのポーズ感応的特徴の学習を強化する。 一般的な公開ベンチマークにおいて、最先端の競合相手に優れた結果をもたらす。
  論文  参考訳（メタデータ） (2022-03-15T13:58:50Z)
• Stochastic Modeling for Learnable Human Pose Triangulation [0.7646713951724009]
  本研究では,3次元ポーズ三角測量のためのモデリングフレームワークを提案し,その性能を異なるデータセットと空間カメラアレンジメントで評価する。 提案したポーズ三角測量モデルは、異なるカメラアレンジメントと2つの公開データセット間の一般化に成功している。
  論文  参考訳（メタデータ） (2021-10-01T09:26:25Z)

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。