論文の概要: Towards Symmetry-sensitive Pose Estimation: A Rotation Representation for Symmetric Object Classes
- arxiv url: http://arxiv.org/abs/2604.18208v1
- Date: Mon, 20 Apr 2026 12:55:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-21 21:52:52.879936
- Title: Towards Symmetry-sensitive Pose Estimation: A Rotation Representation for Symmetric Object Classes
- Title（参考訳）: 対称性に敏感なポース推定に向けて:対称オブジェクトクラスのための回転表現
- Authors: Andreas Kriegler, Csaba Beleznai, Margrit Gelautz,
- Abstract要約: シンメトリ・オブジェクトは日常生活や産業では一般的であるが、本質的な指向の曖昧さは文献で論じられることは稀である。
我々の表現であるSARRを用いて、2つの人気のある6次元ポーズ推定データセットにおいて対称オブジェクトに対する正準(対称性分解された)ポーズを得る。
我々のネットワークは$textAR_textC$を用いて,従来の対称性不変測度を用いた場合の良好な性能を実現している。
- 参考スコア（独自算出の注目度）: 0.45880283710344066
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Symmetric objects are common in daily life and industry, yet their inherent orientation ambiguities that impede the training of deep learning networks for pose estimation are rarely discussed in the literature. To cope with these ambiguities, existing solutions typically require the design of specific loss functions and network architectures or resort to symmetry-invariant evaluation metrics. In contrast, we focus on the numeric representation of the rotation itself, modifying trigonometric identities with the degrees of symmetry derived from the objects' shapes. We use our representation, SARR, to obtain canonic (symmetry-resolved) poses for the symmetric objects in two popular 6D pose estimation datasets, T-LESS and ITODD, where SARR is unique and continuous w.r.t. the visual appearance. This allows us to use a standard CNN for 3D orientation estimation whose performance is evaluated with the symmetry-sensitive cosine distance $\text{AR}_{\text{C}}$. Our networks outperform the state of the art using $\text{AR}_{\text{C}}$ and achieve satisfactory performance when using conventional symmetry-invariant measures. Our method does not require any 3D models but only depth, or, as part of an additional experiment, texture-less RGB/grayscale images as input. We also show that networks trained on SARR outperform the same networks trained on rotation matrices, Euler angles, quaternions, standard trigonometrics or the recently popular 6d representation -- even in inference scenarios where no prior knowledge of the objects' symmetry properties is available. Code and a visualization toolkit are available at https://github.com/akriegler/SARR .
- Abstract（参考訳）: シンメトリーオブジェクトは日常生活や産業では一般的であるが, 深層学習ネットワークによるポーズ推定のトレーニングを妨げる, 本来の指向の曖昧さは文献で論じられることは稀である。
これらの曖昧さに対処するためには、既存のソリューションは通常、特定の損失関数やネットワークアーキテクチャの設計を必要とする。
対照的に、回転自体の数値表現に焦点をあて、物体の形状から派生した対称性の度合いで三角形の恒等性を変更する。
我々の表現であるSARRを用いて、一般的な6次元ポーズ推定データセットであるT-LESSとITODDの対称オブジェクトに対して、SARRはユニークで連続的な視覚的外観である。
これにより、対称性に敏感なコサイン距離$\text{AR}_{\text{C}}$で評価された3次元配向推定に標準のCNNを使用することができる。
我々のネットワークは$\text{AR}_{\text{C}}$で最先端の性能を発揮し、従来の対称性不変測度を使用すると満足な性能が得られる。
本手法では,3次元モデルや深度のみを必要とせず,テクスチャのないRGB/グレースケールの画像を入力として使用する。
また、SARRでトレーニングされたネットワークは、回転行列、オイラー角、四元数、標準三角法、あるいは最近人気になった6d表現で訓練されたネットワークよりも優れていることを示す。
コードと視覚化ツールキットはhttps://github.com/akriegler/SARR で公開されている。
関連論文リスト
- Learning 3D Representations for Spatial Intelligence from Unposed Multi-View Images [81.94999489820974]
UniSplat (UniSplat) は、未提示のマルチビュー画像から3D表現を学習するためのフィードフォワードフレームワークである。
エンコーダにおける幾何誘導を強化するデュアルマスキング戦略を導入する。
第2に,外見のセマンティックな矛盾を解消する粗大なガウス的スプレイティング戦略を開発する。
第3に、予測された3次元点と意味マップを画像平面に相互に関連付ける、ポーズ条件の補正機構を導入する。
論文 参考訳（メタデータ） (2026-04-12T10:36:18Z) - Training-free zero-shot 3D symmetry detection with visual features back-projected to geometry [0.6445605125467574]
DINOv2のような基礎視覚モデルから視覚的特徴を利用するゼロショット3次元対称性検出のための訓練不要アプローチを提案する。
我々の研究は、基礎視覚モデルが対称性検出のような複雑な3次元幾何学的問題を解くのにどのように役立つかを示す。
論文 参考訳（メタデータ） (2025-05-30T03:09:18Z) - Towards Human-Level 3D Relative Pose Estimation: Generalizable, Training-Free, with Single Reference [65.42565481489132]
人間は、単一のクエリ参照イメージペアのみを前提として、ラベル付けやトレーニングをすることなく、これまで見られなかったオブジェクトの相対的なポーズを容易に推論することができる。
RGB-D参照から3D/2.5D形状認識と2.5D形状認識を併用した新しい3次元一般化可能な相対ポーズ推定法を提案する。
RGBとセマンティックマップ(DINOv2がRGB入力から取得)によってテクスチャ化された2.5Dの回転可能なメッシュを識別し、新しいRGBとセマンティックマップを新しい回転ビューの下でレンダリングする。
論文 参考訳（メタデータ） (2024-06-26T16:01:10Z) - MatchU: Matching Unseen Objects for 6D Pose Estimation from RGB-D Images [57.71600854525037]
RGB-D画像からの6次元ポーズ推定のためのFuse-Describe-Match戦略を提案する。
MatchUは、2Dテクスチャと6Dポーズ予測のための3D幾何学的手がかりを融合する汎用的なアプローチである。
論文 参考訳（メタデータ） (2024-03-03T14:01:03Z) - Self-Supervised Image Representation Learning with Geometric Set
Consistency [50.12720780102395]
本稿では,3次元幾何整合性に基づく自己教師付き画像表現学習法を提案する。
具体的には、画像ビュー内の特徴整合性を強化するために、コントラスト学習フレームワークに3次元幾何学的整合性を導入する。
論文 参考訳（メタデータ） (2022-03-29T08:57:33Z) - NeRD: Neural 3D Reflection Symmetry Detector [27.626579746101292]
ニューラル3次元反射対称性検出器NeRDについて述べる。
まず、粗大な戦略で対称性平面を列挙し、それから3次元のコストボリュームを構築することで最良の平面を見つける。
実験の結果,本手法で検出した対称性平面は直接CNN回帰から検出した平面よりもかなり精度が高いことがわかった。
論文 参考訳（メタデータ） (2021-04-19T17:25:51Z) - Handling Object Symmetries in CNN-based Pose Estimation [7.1577508803778045]
畳み込みニューラルネットワーク(CNN)に基づくポーズ推定器が対称オブジェクトを持つ問題について検討する。
特に、対称性を意識した損失を生成するための一般的なミニ・オーバー・対称性のアプローチは、勾配に基づく最適化ではうまくいかない傾向にある。
これらの知見から「閉対称性ループ」(csl)と呼ばれる表現を提案し、関連するベクトルの角度を対称性の順序に乗じて6-DOFに一般化する。
論文 参考訳（メタデータ） (2020-11-26T10:10:25Z) - Canonical 3D Deformer Maps: Unifying parametric and non-parametric
methods for dense weakly-supervised category reconstruction [79.98689027127855]
独立オブジェクトの2次元画像の集合から学習できる共通オブジェクトカテゴリの3次元形状の表現を提案する。
提案手法は, パラメトリック変形モデル, 非パラメトリック3次元再構成, 標準埋め込みの概念に基づく新しい手法で構築する。
顔、車、鳥の野生のデータセットを3Dで再現することで、最先端の成果が得られます。
論文 参考訳（メタデータ） (2020-08-28T15:44:05Z) - SymmetryNet: Learning to Predict Reflectional and Rotational Symmetries
of 3D Shapes from Single-View RGB-D Images [26.38270361331076]
本稿では3次元物体の反射対称性と回転対称性の両方を予測できるエンドツーエンドのディープニューラルネットワークを提案する。
単視点RGB-D画像に基づく3次元対称性検出のベンチマークにも貢献する。
論文 参考訳（メタデータ） (2020-08-02T14:10:09Z) - Learning to Detect 3D Reflection Symmetry for Single-View Reconstruction [32.14605731030579]
単一のRGB画像からの3D再構成は、コンピュータビジョンにおいて難しい問題である。
従来の手法は通常データ駆動であり、不正確な3次元形状の復元と限定的な一般化能力をもたらす。
本稿では,人造物体によく見られる反射対称性の鏡面を初めて検出し,その対称性の画素内対応を見いだして深度マップを予測する。
論文 参考訳（メタデータ） (2020-06-17T17:58:59Z)
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。