論文の概要: MF-UAVPose6D: A Model-Free Monocular 6-DoF Pose Estimation Framework for Fixed-Wing UAVs

• arxiv url: http://arxiv.org/abs/2606.29697v1
• Date: Mon, 29 Jun 2026 02:06:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-30 18:07:16.019639
• Title: MF-UAVPose6D: A Model-Free Monocular 6-DoF Pose Estimation Framework for Fixed-Wing UAVs
• Title（参考訳）: MF-UAVPose6D:固定翼UAVのためのモデルフリー単眼6-DoF量推定フレームワーク
• Authors: Juanqin Liu, Leonardo Plotegher, Eloy Roura, Shaoming He,
• Abstract要約: 本稿では,固定翼UAVのためのモデルレス単分子6-DoFポーズ推定フレームワークであるMF-UAVPose6Dを提案する。 推論中は、入力として1つの赤緑色(RGB)画像とカメラ固有の情報のみを受信する。 実験結果から,MF-UAVPose6DはCADモデルを必要とせず,高精度かつ効率的な単分子6-DoFポーズ推定を実現することが示された。
• 参考スコア（独自算出の注目度）: 0.6299766708197883
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: For uncrewed aerial vehicles (UAVs), estimating six-degree-of-freedom (6-DoF) poses is essential for airspace situational awareness, target tracking, and counter-UAV operations. However, non-cooperative targets usually lack computer-aided design (CAD) models and keypoint priors, making existing model-based or keypoint-matching methods difficult to apply reliably. To address these challenges, this paper proposes MF-UAVPose6D, a model-free monocular 6-DoF pose estimation framework for fixed-wing UAVs. During inference, the method takes only a single red-green-blue (RGB) image and camera intrinsics as input. It first obtains a stable target anchor through heatmap-guided center localization, introduces a Perspective-Aware Module (PAM) to model observation-ray priors, exploits Dynamic Topological Sampling (DTS) to complement weak structural cues from the wings, fuselage, and tail, and adopts a decoupled translation-rotation pose decoding mechanism to estimate the 6-DoF pose. In addition, we construct the FW-UAV6DPose synthetic dataset, which covers fixed-wing UAV observations across diverse distances, viewpoints, and poses. Experimental results show that MF-UAVPose6D achieves accurate and efficient monocular 6-DoF pose estimation without requiring CAD models, and demonstrates strong robustness in long-range rotation estimation, depth recovery, and joint pose evaluation.
• Abstract（参考訳）: 無人航空機(UAV)では、6自由度(6-DoF)のポーズを推定することは、空域の状況認識、目標追跡、対空作戦に不可欠である。 しかしながら、非協調的なターゲットは通常、コンピュータ支援設計(CAD)モデルとキーポイント事前を欠いているため、既存のモデルベースやキーポイントマッチング手法を確実に適用することは困難である。 これらの課題に対処するために,固定翼UAVのためのモデルレス単分子6-DoFポーズ推定フレームワークであるMF-UAVPose6Dを提案する。 推論中は、入力として1つの赤緑色(RGB)画像とカメラ固有の情報のみを受信する。 まず、熱マップ誘導中心ローカライゼーションによる安定したターゲットアンカーを取得し、6-DoFのポーズを推定するために分離された翻訳回転ポーズデコード機構を採用し、6-DoFのポーズを推定するために6-DoFのポーズを推定するために、観測線の先行をモデル化するためのパースペクティブ・アウェア・モジュール(PAM)を導入し、動的トポロジカルサンプリング(DTS)を利用して翼、胴体、尾からの弱い構造的手がかりを補う。 さらに,FW-UAV6DPose合成データセットを構築し,様々な距離,視点,ポーズの固定翼UAV観測を網羅した。 実験結果から,MF-UAVPose6DはCADモデルを必要としない高精度で効率的な単分子6-DoFポーズ推定を実現し,長距離回転推定,深度復元,共同ポーズ評価において強い堅牢性を示した。

関連論文リスト

• Motion Aware ViT-based Framework for Monocular 6-DoF Spacecraft Pose Estimation [14.875896480287631]
  6-DoFのポーズ推定は、複数の宇宙船のミッションにおいて重要な役割を果たす。 既存のポーズ推定アプローチのほとんどは、静的なキーポイントローカライゼーションを持つ単一イメージに依存している。 人間のポーズ推定から宇宙船ポーズ推定への深層学習の枠組みを適用する。
  論文  参考訳（メタデータ） (2025-09-07T10:15:55Z)
• UnPose: Uncertainty-Guided Diffusion Priors for Zero-Shot Pose Estimation [19.76147681894604]
  UnPoseはゼロショットでモデルなしの6Dオブジェクトのポーズ推定と再構成のためのフレームワークである。 事前訓練された拡散モデルから3Dの先行値と不確実性の推定値を利用する。 6次元ポーズ推定精度と3次元再構成品質の両方において、既存のアプローチを著しく上回っている。
  論文  参考訳（メタデータ） (2025-08-21T21:31:04Z)
• 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)
• PViT-6D: Overclocking Vision Transformers for 6D Pose Estimation with Confidence-Level Prediction and Pose Tokens [0.0]
  分類トークンのカスタマイズによる直接6次元ポーズ推定のための視覚変換器の機能について検討する。 また、ほとんどの6次元ポーズ推定フレームワークに簡単に組み込むことができる、ポーズの信頼度を決定するための簡単な方法も導入する。
  論文  参考訳（メタデータ） (2023-11-29T10:27:56Z)
• Learning to Estimate 6DoF Pose from Limited Data: A Few-Shot, Generalizable Approach using RGB Images [60.0898989456276]
  本稿では,数ショットの6DoFポーズ推定のためのCas6Dという新しいフレームワークを提案する。 極めて少数の設定で対象物検出の偽陽性に対処するために,本フレームワークでは,自己教師付き事前学習型ViTを用いて,ロバストな特徴表現を学習する。 LINEMODとGenMOPデータセットの実験結果は、Cas6Dが32ショット設定で最先端の手法を9.2%、精度3.8%(Proj-5)で上回ることを示した。
  論文  参考訳（メタデータ） (2023-06-13T07:45:42Z)
• 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)
• Adversarial samples for deep monocular 6D object pose estimation [16.308526930732718]
  RGB画像からオブジェクト6Dのポーズを推定することは、自律運転やロボットグリップといった現実の多くのアプリケーションにとって重要である。 本研究では,最先端深層学習(SOTA)に基づく6次元ポーズ推定モデルを騙しうる敵対的サンプルについて検討する。
  論文  参考訳（メタデータ） (2022-03-01T09:16:37Z)
• Spatial Attention Improves Iterative 6D Object Pose Estimation [52.365075652976735]
  本稿では,RGB画像を用いた6次元ポーズ推定の改良手法を提案する。 私たちの主な洞察力は、最初のポーズ推定の後、オブジェクトの異なる空間的特徴に注意を払うことが重要です。 実験により,このアプローチが空間的特徴に順応することを学び,被写体の一部を無視することを学び,データセット間でのポーズ推定を改善することを実証した。
  論文  参考訳（メタデータ） (2021-01-05T17:18:52Z)
• Self6D: Self-Supervised Monocular 6D Object Pose Estimation [114.18496727590481]
  自己教師付き学習による単眼6次元ポーズ推定のアイデアを提案する。 ニューラルレンダリングの最近の進歩を活用して、注釈のない実RGB-Dデータのモデルをさらに自己監督する。
  論文  参考訳（メタデータ） (2020-04-14T13:16:36Z)

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。