論文の概要: SDT-6D: Fully Sparse Depth-Transformer for Staged End-to-End 6D Pose Estimation in Industrial Multi-View Bin Picking

• arxiv url: http://arxiv.org/abs/2512.08430v1
• Date: Tue, 09 Dec 2025 09:58:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-10 22:28:07.905737
• Title: SDT-6D: Fully Sparse Depth-Transformer for Staged End-to-End 6D Pose Estimation in Industrial Multi-View Bin Picking
• Title（参考訳）: SDT-6D:産業用多視点ビンピッキングにおける終端6次元位置推定のためのフルスパース深さ変換器
• Authors: Nico Leuze, Maximilian Hoh, Samed Doğan, Nicolas R. -Peña, Alfred Schoettl,
• Abstract要約: 我々は,多視点深度マップを微細な3次元点雲に融合させる,全体的深度のみの6次元ポーズ推定手法を提案する。 本フレームワークは完全にスパースで動作し,精密なポーズ推定に不可欠な精密な幾何学的細部を高精細度で表現することができる。 我々は最近発表されたIDDおよびMV-YCBマルチビューデータセットに対して本手法の有効性を検証した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurately recovering 6D poses in densely packed industrial bin-picking environments remain a serious challenge, owing to occlusions, reflections, and textureless parts. We introduce a holistic depth-only 6D pose estimation approach that fuses multi-view depth maps into either a fine-grained 3D point cloud in its vanilla version, or a sparse Truncated Signed Distance Field (TSDF). At the core of our framework lies a staged heatmap mechanism that yields scene-adaptive attention priors across different resolutions, steering computation toward foreground regions, thus keeping memory requirements at high resolutions feasible. Along, we propose a density-aware sparse transformer block that dynamically attends to (self-) occlusions and the non-uniform distribution of 3D data. While sparse 3D approaches has proven effective for long-range perception, its potential in close-range robotic applications remains underexplored. Our framework operates fully sparse, enabling high-resolution volumetric representations to capture fine geometric details crucial for accurate pose estimation in clutter. Our method processes the entire scene integrally, predicting the 6D pose via a novel per-voxel voting strategy, allowing simultaneous pose predictions for an arbitrary number of target objects. We validate our method on the recently published IPD and MV-YCB multi-view datasets, demonstrating competitive performance in heavily cluttered industrial and household bin picking scenarios.
• Abstract（参考訳）: 密集した工業用ビンピッキング環境での正確な6Dポーズは、閉塞、反射、テクスチャのない部分のために深刻な課題である。 我々は,多視点深度マップを,そのバニラバージョンにおける細粒度3D点雲,あるいは粗いTrncated Signed Distance Field(TSDF)に融合させる,全体的深度のみの6Dポーズ推定手法を提案する。 我々のフレームワークのコアはステージ化されたヒートマップ機構で、様々な解像度でシーン適応的な事前注意を発生させ、計算を前景領域に向けて操り、メモリ要求を高解像度で維持する。 そこで本研究では,(自己)オクルージョンと3次元データの非一様分布に動的に対応する密度対応スパース変圧器ブロックを提案する。 スパース3Dアプローチは長距離知覚に有効であることが証明されているが、近距離ロボット応用におけるその可能性はまだ解明されていない。 本フレームワークは完全にスパースで動作し,高精度な容積表現により,正確なポーズ推定に欠かせない精密な幾何学的詳細を捉えることができる。 本手法は,新規なボクセルごとの投票戦略を用いて,シーン全体を総合的に処理し,任意の対象対象物の同時ポーズ予測を可能にする。 我々は最近発表されたIDDおよびMV-YCBマルチビューデータセットに対して本手法の有効性を検証した。

関連論文リスト

• Any6D: Model-free 6D Pose Estimation of Novel Objects [76.30057578269668]
  我々は,6次元オブジェクトのポーズ推定のためのモデルフリーフレームワークであるAny6Dを紹介する。 新たなシーンでは、未知の物体の6Dポーズと大きさを推定するために、1枚のRGB-Dアンカー画像しか必要としない。 提案手法を5つの挑戦的データセットで評価する。
  論文  参考訳（メタデータ） (2025-03-24T13:46:21Z)
• AdaOcc: Adaptive-Resolution Occupancy Prediction [20.0994984349065]
  AdaOccは適応分解能でマルチモーダルな予測手法である。 提案手法は,オブジェクト中心の3次元再構成と全体的占有予測を一つのフレームワークに統合する。 近距離シナリオでは、以前のベースラインを13%以上、ハウスドルフ距離を40%以上上回る。
  論文  参考訳（メタデータ） (2024-08-24T03:46:25Z)
• FrozenRecon: Pose-free 3D Scene Reconstruction with Frozen Depth Models [67.96827539201071]
  本稿では,3次元シーン再構成のための新しいテスト時間最適化手法を提案する。 本手法は5つのゼロショットテストデータセット上で,最先端のクロスデータセット再構築を実現する。
  論文  参考訳（メタデータ） (2023-08-10T17:55:02Z)
• Rigidity-Aware Detection for 6D Object Pose Estimation [60.88857851869196]
  最近の6Dオブジェクトのポーズ推定方法は、最初にオブジェクト検出を使用して2Dバウンディングボックスを取得し、実際にポーズを回帰する。 本研究では,6次元ポーズ推定において対象物体が剛性であるという事実を利用した剛性認識検出手法を提案する。 このアプローチの成功の鍵となるのは可視性マップであり、これは境界ボックス内の各ピクセルとボックス境界の間の最小障壁距離を用いて構築することを提案する。
  論文  参考訳（メタデータ） (2023-03-22T09:02:54Z)
• MV6D: Multi-View 6D Pose Estimation on RGB-D Frames Using a Deep Point-wise Voting Network [14.754297065772676]
  MV6Dと呼ばれる新しい多視点6Dポーズ推定手法を提案する。 我々は、ターゲットオブジェクトのキーポイントを予測するために単一のRGB-D画像を使用するPVN3Dネットワークをベースとしています。 CosyPoseのような現在の多視点ポーズ検出ネットワークとは対照的に、MV6Dはエンドツーエンドで複数の視点の融合を学習することができる。
  論文  参考訳（メタデータ） (2022-08-01T23:34:43Z)
• FS6D: Few-Shot 6D Pose Estimation of Novel Objects [116.34922994123973]
  6Dオブジェクトポーズ推定ネットワークは、多数のオブジェクトインスタンスにスケールする能力に制限がある。 本研究では,未知の物体の6次元ポーズを,余分な訓練を伴わずにいくつかの支援ビューで推定する。
  論文  参考訳（メタデータ） (2022-03-28T10:31:29Z)
• Learning Stereopsis from Geometric Synthesis for 6D Object Pose Estimation [11.999630902627864]
  現在のモノクラーベース6Dオブジェクトポーズ推定法は、一般的にRGBDベースの手法よりも競争力の低い結果が得られる。 本稿では,短いベースライン2ビュー設定による3次元幾何体積に基づくポーズ推定手法を提案する。 実験により,本手法は最先端の単分子法よりも優れ,異なる物体やシーンにおいて堅牢であることが示された。
  論文  参考訳（メタデータ） (2021-09-25T02:55:05Z)
• SO-Pose: Exploiting Self-Occlusion for Direct 6D Pose Estimation [98.83762558394345]
  SO-Poseは、オブジェクトの6自由度(6DoF)をすべて、単一のRGBイメージから散らばった環境でポーズさせるフレームワークである。 本稿では,3次元オブジェクトの2層表現を確立するために,自己閉塞に関する新たな推論を導入する。 対応性,自己閉塞性,6次元ポーズを整列する層間合成により,精度とロバスト性をさらに向上させることができる。
  論文  参考訳（メタデータ） (2021-08-18T19:49:29Z)
• Generative Sparse Detection Networks for 3D Single-shot Object Detection [43.91336826079574]
  3Dオブジェクト検出は、ロボット工学や拡張現実など多くの有望な分野に適用可能であるため、広く研究されている。 しかし、3Dデータのまばらな性質は、このタスクに固有の課題をもたらしている。 本稿では,完全畳み込み単一ショットスパース検出ネットワークであるGenerative Sparse Detection Network (GSDN)を提案する。
  論文  参考訳（メタデータ） (2020-06-22T15:54:24Z)

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。