論文の概要: EgoXtreme: A Dataset for Robust Object Pose Estimation in Egocentric Views under Extreme Conditions

• arxiv url: http://arxiv.org/abs/2603.25135v1
• Date: Thu, 26 Mar 2026 07:56:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-27 20:52:48.168998
• Title: EgoXtreme: A Dataset for Robust Object Pose Estimation in Egocentric Views under Extreme Conditions
• Title（参考訳）: EgoXtreme:極端条件下でのエゴセントリックビューにおけるロバストオブジェクトポス推定のためのデータセット
• Authors: Taegyoon Yoon, Yegyu Han, Seojin Ji, Jaewoo Park, Sojeong Kim, Taein Kwon, Hyung-Sin Kim,
• Abstract要約: EgoXtremeは、エゴセントリックな視点から完全にキャプチャされた大規模な6Dポーズ推定データセットである。 EgoXtremeは、特に低光下では極端に保たないことを示す。 EgoXtremeは次世代のポーズ推定モデルの開発と評価に欠かせない資源である。
• 参考スコア（独自算出の注目度）: 12.996138301008868
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Smart glass is emerging as an useful device since it provides plenty of insights under hands-busy, eyes-on-task situations. To understand the context of the wearer, 6D object pose estimation in egocentric view is becoming essential. However, existing 6D object pose estimation benchmarks fail to capture the challenges of real-world egocentric applications, which are often dominated by severe motion blur, dynamic illumination, and visual obstructions. This discrepancy creates a significant gap between controlled lab data and chaotic real-world application. To bridge this gap, we introduce EgoXtreme, a new large-scale 6D pose estimation dataset captured entirely from an egocentric perspective. EgoXtreme features three challenging scenarios - industrial maintenance, sports, and emergency rescue - designed to introduce severe perceptual ambiguities through extreme lighting, heavy motion blur, and smoke. Evaluations of state-of-the-art generalizable pose estimators on EgoXtreme indicate that their generalization fails to hold in extreme conditions, especially under low light. We further demonstrate that simply applying image restoration (e.g., deblurring) offers no positive improvement for extreme conditions. While performance gain has appeared in tracking-based approach, implying using temporal information in fast-motion scenarios is meaningful. We conclude that EgoXtreme is an essential resource for developing and evaluating the next generation of pose estimation models robust enough for real-world egocentric vision. The dataset and code are available at https://taegyoun88.github.io/EgoXtreme/
• Abstract（参考訳）: スマートグラスは、ハンズオン・タスクの状況下で多くの洞察を提供するので、便利なデバイスとして現れつつある。 着用者の文脈を理解するために,自我中心視点における6次元オブジェクトのポーズ推定が不可欠である。 しかし、既存の6Dオブジェクトのポーズ推定ベンチマークは、しばしば激しい動きのぼやけ、動的照明、視覚障害によって支配される現実世界の自我中心のアプリケーションの課題を捉えることができない。 この不一致は、制御された実験室のデータとカオス的な現実世界のアプリケーションの間に大きなギャップを生じさせる。 このギャップを埋めるために、私たちはEgoXtremeを紹介します。 EgoXtremeには、産業のメンテナンス、スポーツ、緊急救助の3つの困難なシナリオがある。 EgoXtremeにおける最先端の一般化可能なポーズ推定器の評価は、それらの一般化が極端な条件、特に低光下では保たないことを示している。 さらに、画像復元(例えば、デブロアリング)を単純に施すことで、極端な条件に対する肯定的な改善が得られないことを実証する。 トラッキングベースのアプローチでは性能向上が見られたが、速い動きのシナリオで時間的情報を使用することは有意義である。 我々は,EgoXtremeが次世代のポーズ推定モデルの開発と評価に不可欠な資源であると結論づけた。 データセットとコードはhttps://taegyoun88.github.io/EgoXtreme/で公開されている。

関連論文リスト

• EgoWorld: Translating Exocentric View to Egocentric View using Rich Exocentric Observations [4.252119151012245]
  EgoWorld(エゴワールド)は、エゴセントリックな視点を、豊富なエゴセントリックな視点から再構築する新しいフレームワークである。 提案手法は,推定された遠心深度マップから点雲を再構成し,それをエゴセントリックな視点に再投影し,拡散に基づくインペインティングを適用して,密集した意味的コヒーレントなエゴセントリックな画像を生成する。 EgoWorldは最先端のパフォーマンスを実現し、新しいオブジェクト、アクション、シーン、主題への堅牢な一般化を実証している。
  論文  参考訳（メタデータ） (2025-06-22T04:21:48Z)
• EMAG: Ego-motion Aware and Generalizable 2D Hand Forecasting from Egocentric Videos [9.340890244344497]
  2次元手の位置を予測するための既存の手法は視覚的表現に依存しており、主に手動物体の相互作用に焦点を当てている。 本研究では,エゴモーション認識と一般化可能な2次元手指予測手法であるEMAGを提案する。 本モデルでは,従来手法よりも1.7%,7.0%性能が向上した。
  論文  参考訳（メタデータ） (2024-05-30T13:15:18Z)
• 3D Human Pose Perception from Egocentric Stereo Videos [67.9563319914377]
  我々は,エゴセントリックな立体3次元ポーズ推定を改善するためのトランスフォーマーベースの新しいフレームワークを提案する。 本手法は, しゃがんだり座ったりといった困難なシナリオにおいても, 人間のポーズを正確に推定することができる。 私たちはUnrealEgo2、UnrealEgo-RW、およびトレーニングされたモデルをプロジェクトページでリリースします。
  論文  参考訳（メタデータ） (2023-12-30T21:21:54Z)
• Ego3DPose: Capturing 3D Cues from Binocular Egocentric Views [9.476008200056082]
  Ego3DPoseは、高度に高精度な両眼エゴ中心型3Dポーズ再構築システムである。 両眼熱マップと独立に手足のポーズを推定する経路を持つ2経路ネットワークアーキテクチャを提案する。 三角法を用いた新しい視点認識表現を提案し,手足の3次元方向を推定する。
  論文  参考訳（メタデータ） (2023-09-21T10:34:35Z)
• EgoTracks: A Long-term Egocentric Visual Object Tracking Dataset [19.496721051685135]
  身体追跡は多くの自我中心の視覚問題にとって重要な要素である。 EgoTracksは、長期的なエゴセントリックなビジュアルオブジェクトトラッキングのための新しいデータセットである。 本稿では,STARKトラッカーの性能向上を図り,エゴセントリックデータの性能向上を図っている。
  論文  参考訳（メタデータ） (2023-01-09T09:10:35Z)
• Egocentric Scene Understanding via Multimodal Spatial Rectifier [21.878225397301364]
  我々は,エゴセントリックなシーン理解の問題,すなわち,エゴセントリックなイメージからの予測と表面正規化について検討する。 我々は500K以上の同期RGBDフレームと重力方向からなるEDINAと呼ばれる新しいデータセットを提案する。 単視点深度推定法と表面正規度推定法は,ベースラインを著しく上回っている。
  論文  参考訳（メタデータ） (2022-07-14T17:26:00Z)
• Occlusion-Aware Self-Supervised Monocular 6D Object Pose Estimation [88.8963330073454]
  自己教師付き学習による新しい単眼6次元ポーズ推定手法を提案する。 ノイズの多い学生のトレーニングと差別化可能なレンダリングの現在の傾向を活用して、モデルをさらに自己監督する。 提案する自己超越法は,合成データに依存する他の方法よりも優れている。
  論文  参考訳（メタデータ） (2022-03-19T15:12:06Z)
• Estimating Egocentric 3D Human Pose in the Wild with External Weak Supervision [72.36132924512299]
  本稿では,大規模な自己中心型データセットでトレーニング可能な,新たな自己中心型ポーズ推定手法を提案する。 本研究では,事前学習された外部視点のポーズ推定モデルにより抽出された高品質な特徴を用いて,エゴセントリックな特徴を監督する新しい学習戦略を提案する。 実験により,本手法は,1つの画像から正確な3Dポーズを予測し,定量的,定性的に,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） (2022-01-20T00:45:13Z)

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。