論文の概要: PIXIE: A Zero-Shot texture-invariant 6D pose estimation framework for unseen objects with assembly defects

• arxiv url: http://arxiv.org/abs/2607.16015v1
• Date: Fri, 17 Jul 2026 14:48:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-20 17:56:52.876714
• Title: PIXIE: A Zero-Shot texture-invariant 6D pose estimation framework for unseen objects with assembly defects
• Title（参考訳）: PIXIE: 組立欠陥のある未確認オブジェクトに対するゼロショットテクスチャ不変6次元ポーズ推定フレームワーク
• Authors: Leon Jungemeyer, Alejandro Magaña, Gautham Mohan, Matthias Karl, Daniel Werdehausen,
• Abstract要約: PIXIEは、オブジェクトの6Dポーズを、文脈のない3Dモデルのみを使用してRGB画像から推定するゼロショットフレームワークである。 我々は、広く使われている公開ベンチマークを評価し、オブジェクト固有のトレーニングを伴わずにテクスチャのないオブジェクトに対して結果を報告し、現実の応用性を示すための新しいデータセットを紹介した。
• 参考スコア（独自算出の注目度）: 36.94429692322632
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: 6D pose estimation remains a key challenge in robotics and computer vision, particularly in industrial environments. The deployment of currently available data-driven methods is often limited by resource-intensive data pipelines, reliance on textured 3D models, and sensitivity to geometric deviations caused by damages or assembly defects. We present PIXIE, a zero-shot framework that estimates the 6D pose of an object from an RGB image using only an untextured 3D model. Synthetic depth and normal maps are rendered from sampled reference viewpoints and matched to the query image via a pretrained cross-modality feature matcher. Matched keypoints are back-projected to obtain 2D--3D correspondences for PnP-based pose estimation. Relying exclusively on geometry makes the method inherently robust to lighting and texture variation, while correspondence filtering handles geometric deviations between the model and physical object. We evaluate on widely-used public benchmarks, reporting state-of-the-art results on texture-less objects without object-specific training, and introduce a novel dataset with assembly defects, texture variations, and occlusion to demonstrate real-world applicability.
• Abstract（参考訳）: 6Dのポーズ推定は、ロボティクスやコンピュータビジョン、特に産業環境では依然として重要な課題である。 現在利用可能なデータ駆動方式の展開は、リソース集約的なデータパイプライン、テクスチャ化された3Dモデルへの依存、損傷やアセンブリの欠陥に起因する幾何学的偏差への敏感さによって制限されることが多い。 本研究では,RGB画像からオブジェクトの6次元ポーズを推定するゼロショットフレームワークであるPIXIEを提案する。 サンプル参照視点から合成深度と正規マップを描画し、事前訓練されたクロスモーダル特徴マッチングによりクエリ画像とマッチングする。 マッチングキーポイントは、PnPベースのポーズ推定のための2D--3D対応を得るためにバックプロジェクションされる。 幾何学のみを専門とする手法は、光やテクスチャの変化に対して本質的に堅牢であり、対応フィルタリングはモデルと物理オブジェクト間の幾何学的ずれを処理する。 我々は、広く使われている公開ベンチマークを評価し、テクスチャのないオブジェクトに対して、オブジェクト固有のトレーニングをせずに最先端の結果を報告し、アセンブリ欠陥、テクスチャのバリエーション、およびオクルージョンを用いた新しいデータセットを導入し、現実の応用性を実証した。

関連論文リスト

• Beyond 'Templates': Category-Agnostic Object Pose, Size, and Shape Estimation from a Single View [69.6117755984012]
  物体の6Dポーズ、サイズ、形状を視覚入力から推定することは、コンピュータビジョンの基本的な問題である。 一つのRGB-D画像から6次元のポーズ,サイズ,密な形状を同時に予測する統合されたカテゴリ非依存フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-13T17:49:15Z)
• UA-Pose: Uncertainty-Aware 6D Object Pose Estimation and Online Object Completion with Partial References [14.762839788171584]
  6次元オブジェクトポーズ推定とオンラインオブジェクト補完のための不確実性を考慮したアプローチであるUA-Poseを提案する。 ロボットと人間の手によって操作されたYCBオブジェクトのRGBDシーケンスを含む,YCB-Video,YCBInEOAT,HO3Dデータセットについて評価を行った。
  論文  参考訳（メタデータ） (2025-06-09T17:58:12Z)
• 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)
• 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)
• 3D Surface Reconstruction in the Wild by Deforming Shape Priors from Synthetic Data [24.97027425606138]
  1枚の画像から被写体の3次元表面を再構築することは難しい問題である。 本稿では,1枚の画像から3次元合成とオブジェクトポーズ推定を行う新しい手法を提案する。 提案手法は,複数の実世界のデータセットにまたがって,最先端の再構築性能を実現する。
  論文  参考訳（メタデータ） (2023-02-24T20:37:27Z)
• Coupled Iterative Refinement for 6D Multi-Object Pose Estimation [64.7198752089041]
  既知の3DオブジェクトのセットとRGBまたはRGB-Dの入力画像から、各オブジェクトの6Dポーズを検出して推定する。 我々のアプローチは、ポーズと対応を緊密に結合した方法で反復的に洗練し、アウトレーヤを動的に除去して精度を向上させる。
  論文  参考訳（メタデータ） (2022-04-26T18:00:08Z)
• NeRF-Pose: A First-Reconstruct-Then-Regress Approach for Weakly-supervised 6D Object Pose Estimation [44.42449011619408]
  トレーニング中に2次元オブジェクトセグメンテーションと既知の相対カメラポーズしか必要としないNeRF-Poseという,弱教師付き再構築型パイプラインを提案する。 予測応答から安定かつ正確なポーズを推定するために、NeRF対応RAN+SACアルゴリズムを用いる。 LineMod-Occlusion 実験の結果,提案手法は6次元ポーズ推定法と比較して最先端の精度を持つことがわかった。
  論文  参考訳（メタデータ） (2022-03-09T15:28:02Z)
• Pose Estimation of Specific Rigid Objects [0.7931904787652707]
  本稿では,RGBまたはRGB-D入力画像から剛体物体の6次元ポーズを推定する問題に対処する。 この問題は、ロボット操作、拡張現実、自律運転など、多くの応用分野において非常に重要である。
  論文  参考訳（メタデータ） (2021-12-30T14:36:47Z)
• Shape Prior Deformation for Categorical 6D Object Pose and Size Estimation [62.618227434286]
  RGB-D画像から見えないオブジェクトの6Dポーズとサイズを復元する新しい学習手法を提案する。 本研究では,事前学習したカテゴリ形状からの変形を明示的にモデル化することにより,3次元オブジェクトモデルを再構築するディープネットワークを提案する。
  論文  参考訳（メタデータ） (2020-07-16T16:45:05Z)

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。