論文の概要: RRTrack: Robust and Recoverable Object 6D Pose Tracking for Dynamic Scenes

• arxiv url: http://arxiv.org/abs/2607.23669v1
• Date: Sun, 26 Jul 2026 14:05:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-28 22:34:15.183686
• Title: RRTrack: Robust and Recoverable Object 6D Pose Tracking for Dynamic Scenes
• Title（参考訳）: RRTrack: 動的シーンのためのロバストでリカバリ可能なObject 6D Pose Tracking
• Authors: Junyue Li, Ye Zheng, Yifan Chen, Zhe Sun, Xuelong Li,
• Abstract要約: RRTrackは効率的で復元可能なオブジェクト6Dポーズトラッカーである。 高速な動きと目標の消光によるロバストな追跡を可能にする。 実験の結果、RRTrackはADD-S ARを66.3%改善し、ADD-S AUCを65.7%改善した。
• 参考スコア（独自算出の注目度）: 55.15267980622371
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Robust object 6D pose tracking is critical for robotic systems operating in dynamic and occluded scenes. Per-frame estimators are accurate but computationally expensive, while current trackers struggle with fast motion and complete occlusion due to their reliance on continuous visibility. To address these challenges, we present RRTrack, an efficient, recoverable object 6D pose tracker that enables robust tracking through fast motion and target disappearance--reappearance. RRTrack introduces a 2D--6D closed-loop tracking strategy that integrates memory-based video object segmentation (VOS) with 6D pose refinement. The 2D branch maintains target localization, and the 6D branch verifies geometric consistency before memory updates. In addition, a DINOv2-based dual-bank template matching module is developed to recover lost targets by jointly exploiting offline synthetic templates and online observation anchors while maintaining real-time efficiency. We also introduce a synthetic RGB-D benchmark comprising three robotic scenarios with fast motion and full occlusion. Experimental results on the synthetic benchmark demonstrate that RRTrack improves equal-subset mean ADD-S AR by 66.3\% and ADD-S AUC by 65.7\% over FoundationPose while achieving 55.2 FPS. Real-world experiments further validate the robustness of RRTrack under noisy sensing conditions. Project page: https://github.com/7kevin24/RRTrack
• Abstract（参考訳）: ロバストオブジェクト6Dのポーズトラッキングは、ダイナミックで隠されたシーンで動作するロボットシステムにとって重要である。 フレーム当たり推定器は正確だが計算コストがかかるが、現在のトラッカーは連続的な可視性に依存しているため、高速な動きと完全な閉塞に悩まされている。 これらの課題に対処するため,RRTrackは高速な動きと目標の消光を頑健に追跡できる効率的で回復可能なオブジェクト6Dポーズトラッカーである。RRTrackでは,メモリベースのビデオオブジェクトセグメンテーション(VOS)と6Dポーズリファインメントを統合した2D--6Dクローズドループトラッキング戦略を導入している。 2Dブランチはターゲットのローカライゼーションを維持し、6Dブランチはメモリ更新前に幾何的一貫性を検証する。 さらに、DINOv2ベースのデュアルバンクテンプレートマッチングモジュールを開発し、オフラインの合成テンプレートとオンライン観測アンカーを協調的に利用し、リアルタイム効率を維持しながら、失われたターゲットを復元する。 また,高速動作と完全閉塞を伴う3つのロボットシナリオからなる合成RGB-Dベンチマークも導入した。 合成ベンチマーク実験の結果、RCTrack は ADD-S AR を 66.3 %、ADD-S AUC を 65.7 % 改善し、55.2 FPS を達成した。 実世界の実験は、ノイズ感知条件下でのRTrackのロバスト性をさらに検証する。 プロジェクトページ:https://github.com/7kevin24/RRTrack

関連論文リスト

• Robust 6-DoF Object Pose Tracking with Built-In Recovery under Occlusions and Rapid Object Motions [15.479745132993566]
  リアルタイム6-DoFオブジェクトのポーズトラッキングは多くのロボティクスアプリケーションに必須である。 本稿では,RGB-Dデータからの未確認物体のロバストモデルに基づく6-DoF追跡の問題に対処する。 本稿では,効率的な学習に基づくキーポイントマッチングと最適化に基づくアライメントを組み合わせた新しい手法を提案する。
  論文  参考訳（メタデータ） (2026-07-26T05:39:04Z)
• SpatialTrackerV2: 3D Point Tracking Made Easy [73.0350898700048]
  SpaceTrackerV2はモノクロビデオのフィードフォワード3Dポイントトラッキング手法である。 これは、世界空間の3Dモーションをシーン幾何学、カメラエゴモーション、ピクセルワイドオブジェクトモーションに分解する。 このような異種データから幾何学と運動を共同で学習することで、SpatialTrackerV2は既存の3Dトラッキング方法よりも30%優れています。
  論文  参考訳（メタデータ） (2025-07-16T17:59:03Z)
• RGBTrack: Fast, Robust Depth-Free 6D Pose Estimation and Tracking [24.866881488130407]
  リアルタイムな6Dポーズ推定と追跡のためのロバストなフレームワークRGBTrackを導入する。 我々は、深度を効率的に推測するレンダリング・アンド・コンパートメント機構と組み合わせた、新しいバイナリ検索戦略を考案した。 RGBTrackの新たなディープフリーアプローチは,競合精度とリアルタイム性能を実現する。
  論文  参考訳（メタデータ） (2025-06-20T16:19:28Z)
• Street Gaussians without 3D Object Tracker [84.89933388445185]
  既存のほとんどの方法は、オブジェクトポーズの労働集約的な手動ラベリングに依存している。 本研究では,3次元オブジェクト融合戦略における2次元ディープトラッカーの関連性を利用して,安定なオブジェクト追跡モジュールを提案する。 我々は、軌道誤差を自律的に補正し、見逃した検出を回復する暗黙の特徴空間に、モーションラーニング戦略を導入することで、避けられないトラッキングエラーに対処する。
  論文  参考訳（メタデータ） (2024-12-07T05:49:42Z)
• 6DOPE-GS: Online 6D Object Pose Estimation using Gaussian Splatting [7.7145084897748974]
  1台のRGB-Dカメラで6Dオブジェクトのポーズを推定・追跡する新しい手法である6DOPE-GSを提案する。 その結果,6DOPE-GSはモデルレス同時ポーズトラッキングと再構築のための最先端ベースラインの性能と一致していることがわかった。 また,実世界の環境下での動的物体追跡と再構成のための手法の適合性を実証した。
  論文  参考訳（メタデータ） (2024-12-02T14:32:19Z)
• Enhancing Generalizable 6D Pose Tracking of an In-Hand Object with Tactile Sensing [31.49529551069215]
  TEG-Trackは触覚による6Dポーズトラッキングシステムである。 手に持たない物体を追跡できる。 その結果,TEG-Trackは最先端の一般化可能な6Dポーズトラッカーを一貫して強化することを示した。
  論文  参考訳（メタデータ） (2022-10-08T13:47:03Z)

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。