論文の概要: Precision-Aware Illumination-Disentangled Vision Transformer for Spacecraft 6D Pose Estimation

• arxiv url: http://arxiv.org/abs/2606.11619v1
• Date: Wed, 10 Jun 2026 03:30:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-11 16:42:38.270752
• Title: Precision-Aware Illumination-Disentangled Vision Transformer for Spacecraft 6D Pose Estimation
• Title（参考訳）: 宇宙機6次元画像推定のための高精度照準距離変換器
• Authors: Zongwu Xie, Yifan Yang, Yonglong Zhang, Guanghu Xie, Yang Liu, Shuo Zhang,
• Abstract要約: 本稿では, 宇宙船のロバスト姿勢推定のための高精度照準距離変換器(PAID-ViT)を提案する。 提案モデルでは、照度に敏感な外観トークンからポーズ関連構造トークンを分離し、ポーズアグリゲーションの前にパッチの信頼性を推定し、シルエットキューを保存するために前景マスク監視を使用する。 本研究では,SPEED+バリデーション/ライトボックス/サンランプ評価方式であるSPEED+ V2の実験結果から,PAID-ViTは翻訳誤差を低減し,サンランプ領域の堅牢性を向上させることが示唆された。
• 参考スコア（独自算出の注目度）: 9.901626173454389
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Vision sensors provide a lightweight solution for spacecraft proximity operations, but monocular spacecraft 6D pose estimation remains difficult under illumination variation, specular reflection, shadowing, weak texture, and background interference. These factors make local visual evidence spatially unreliable and can destabilize pose regression. This article proposes a Precision-Aware Illumination-Disentangled Vision Transformer (PAID-ViT) for robust spacecraft pose estimation.The proposed model separates pose-relevant structure tokens from illumination-sensitive appearance tokens, estimates patch reliability before pose aggregation, and uses foreground mask supervision to preserve silhouette cues. A parameter-free geometric recovery module converts normalized crop coordinates, log-depth, and a continuous 6D rotation representation into camera-frame rotation and translation. Experiments on SPEED+ V2, the SPEED+ validation/lightbox/sunlamp evaluation configuration used in this study, suggest that PAID-ViT reduces translation error and improves robustness in the challenging sunlamp domain, while ablation studies support the complementary roles of illumination disentanglement, reliability-aware token aggregation, mask supervision, and training-side regularization.
• Abstract（参考訳）: 視覚センサーは、宇宙船の近接操作のための軽量なソリューションを提供するが、単分子宇宙船の6Dポーズ推定は、照明の変化、反射、影、弱いテクスチャ、背景干渉の下では難しいままである。 これらの要因は局所的な視覚的証拠を空間的に信頼できないものにし、ポーズの回帰を不安定にすることができる。 本稿では, 衛星の姿勢推定のための高精度イルミネーション・ディペンタングルド・ビジョン・トランスフォーマー (PAID-ViT) を提案する。提案モデルは, 照度に敏感な外観トークンからポーズ関連構造トークンを分離し, ポーズアグリゲーション前のパッチの信頼性を推定し, シルエットキューの保存にフォアグラウンドマスク監視を用いる。 パラメータフリー幾何回収モジュールは、正規化された作物座標、対数深さ、連続した6次元回転表現をカメラフレーム回転変換に変換する。 本研究で用いたSPEED+検証/ライトボックス/サンランプ評価構成であるSPEED+ V2の実験では,PAID-ViTは翻訳誤りを低減し,挑戦的なサンランプ領域の堅牢性を向上させることが示唆されている。

関連論文リスト

• Revisiting Shadow Detection from a Vision-Language Perspective [88.46763399969217]
  Shadow Vision-Language (SVL)は、視覚的に類似した暗黒領域からの曖昧な影への明示的なセマンティック参照として言語を使用する。 SVLはテキスト埋め込みに局所的なパッチレベルの制約を適用し、挑戦的な外観条件下でのきめ細かい識別を改善する。 フリーズされたDINOv3イメージエンコーダ上に構築されたこのフレームワークは、軽量なプロジェクションとデコードモジュールのみを学習し、トレーニング可能なパラメータが1%未満のパラメータ効率の高い設計をもたらす。
  論文  参考訳（メタデータ） (2026-05-12T08:42:30Z)
• Cross-Modal RGB-D Fusion Transformer for 6D Pose Estimation of Non-Cooperative Spacecraft with Stereo-Derived Depth [9.6704752180736]
  学習に基づく単分子法は、宇宙船のポーズ推定に広く採用されている。 彼らは固有の深さの曖昧さの問題に悩まされ、軌道で遭遇する厳しい照明条件下では失敗する傾向にある。 アクティブな深度センサーは、基本的に幾何学的な曖昧さに対処できるが、そのパワーと質量の要求により、ほとんどの宇宙船のプラットフォームには適さない。 この研究は、非協力宇宙船の6自由度(6-DOF)ポーズ推定のための受動的ステレオビジョンフレームワークを通じてこれらの問題に対処する。
  論文  参考訳（メタデータ） (2026-05-09T01:16:33Z)
• Learning Latent Proxies for Controllable Single-Image Relighting [29.76860042350802]
  シングルイメージのリライトは非常に制約の少ない。 物理的プリエントを2つのレベルで統合するLightCtrlを導入する。 また、大規模なオブジェクトレベルのデータセットであるScaLightも紹介します。
  論文  参考訳（メタデータ） (2026-03-16T17:16:59Z)
• UP-Fuse: Uncertainty-guided LiDAR-Camera Fusion for 3D Panoptic Segmentation [17.310791153991975]
  本稿では,新しい不確実性を考慮した融合フレームワークUP-Fuseを紹介する。 生のLiDARデータはまずレンジビューに投影され、LiDARエンコーダによってエンコードされる。 カメラ機能は同時に抽出され、同じ共有空間に投影される。
  論文  参考訳（メタデータ） (2026-02-22T21:34:29Z)
• Unifying Color and Lightness Correction with View-Adaptive Curve Adjustment for Robust 3D Novel View Synthesis [73.27997579020233]
  多様な照明条件下での堅牢なNVSのための3DGSベースのフレームワークであるLuminance-GS++を提案する。 本手法は,グローバルな視野適応光度調整と局所画素ワイド残差補正を組み合わせ,正確な色補正を行う。
  論文  参考訳（メタデータ） (2026-02-20T16:20:50Z)
• A2VISR: An Active and Adaptive Ground-Aerial Localization System Using Visual Inertial and Single-Range Fusion [17.59898575353575]
  これは、地上と航空の協調システムを用いて、散在した環境下での飛行ロボットのロケライズロバスト性を高めるための実践的なアプローチである。 我々は、アクティブビジョン、単一配列、慣性計測、光学フローを統合した地上局地化フレームワークをより包括的に改善する。 提案手法は、平均根平均平方誤差が約0.09mであり、損失とセンサ故障を捕捉するためのレジリエンスを維持しながら、ロバストなオンラインローカライゼーションを実現する。
  論文  参考訳（メタデータ） (2025-12-18T10:07:06Z)
• On Robust Cross-View Consistency in Self-Supervised Monocular Depth Estimation [56.97699793236174]
  本論文では,2種類の堅牢なクロスビュー整合性について検討する。 深度特徴空間と3次元ボクセル空間の時間的コヒーレンスを自己教師付き単眼深度推定に利用した。 いくつかのアウトドアベンチマークの実験結果から,本手法は最先端技術より優れていることが示された。
  論文  参考訳（メタデータ） (2022-09-19T03:46:13Z)
• DeepRM: Deep Recurrent Matching for 6D Pose Refinement [77.34726150561087]
  DeepRMは、6Dポーズ改善のための新しいリカレントネットワークアーキテクチャである。 アーキテクチャにはLSTMユニットが組み込まれ、各改善ステップを通じて情報を伝達する。 DeepRMは、2つの広く受け入れられている課題データセットで最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2022-05-28T16:18:08Z)
• Illumination-Invariant Active Camera Relocalization for Fine-Grained Change Detection in the Wild [12.104718944788141]
  本稿では,照度不変の能動カメラ再位置推定法について検討し,相対的なポーズ推定とスケール推定の両方を改善する。 画像ワープ誤差を最小限に抑え,各ACRの絶対スケールを求める線形システムを構築した。 我々の研究は、実世界の文化的遺産のきめ細かい変化監視タスクの実現可能性を大幅に拡大します。
  論文  参考訳（メタデータ） (2022-04-13T18:00:55Z)
• Robust Single Image Dehazing Based on Consistent and Contrast-Assisted Reconstruction [95.5735805072852]
  画像復調モデルのロバスト性を改善するための新しい密度変分学習フレームワークを提案する。 具体的には、デハジングネットワークは、一貫性の規則化されたフレームワークの下で最適化されている。 我々の手法は最先端のアプローチを大きく上回っている。
  論文  参考訳（メタデータ） (2022-03-29T08:11:04Z)
• Kinematic-Structure-Preserved Representation for Unsupervised 3D Human Pose Estimation [58.72192168935338]
  大規模インスタディオデータセットの監視を用いて開発された人間のポーズ推定モデルの一般化可能性については疑問が残る。 本稿では,2対あるいは2対の弱い監督者によって抑制されない,新しいキネマティック構造保存型非教師付き3次元ポーズ推定フレームワークを提案する。 提案モデルでは,前方運動学,カメラ投影,空間マップ変換という3つの連続的な微分可能変換を用いる。
  論文  参考訳（メタデータ） (2020-06-24T23:56:33Z)

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。