論文の概要: Foundational feature fusion for conditional flow matching in 6D pose estimation
- arxiv url: http://arxiv.org/abs/2608.29183v1
- Date: Sat, 29 Aug 2026 10:20:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-01 18:31:30.868746
- Title: Foundational feature fusion for conditional flow matching in 6D pose estimation
- Title（参考訳）: 6次元ポーズ推定における条件付きフローマッチングのための基礎的特徴融合
- Abstract要約: 条件付きフローマッチングにより、オブジェクト6Dポーズ推定のステップ前進が可能となった。
既存の方法は、オブジェクトとシーンの重複を監督するタスク固有のエンコーダを訓練する必要がある。
フローマッチングに基づく新しい定式化であるFunFlow6Dを提案する。
- 参考スコア（独自算出の注目度）: 17.727631844746835
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Conditional flow matching has enabled a step forward in object 6D pose estimation, achieving state-of-the-art performance by progressively denoising and registering object representations to observed scenes. Existing methods require training task-specific encoders supervised on object-scene overlap and rely on trivial feature fusion strategies to resolve pose ambiguities. We present FunFlow6D, a novel flow matching-based formulation that leverages features from geometric and appearance foundation models for pose estimation, eliminating the need for task-specific encoder training. We also introduce a cross attention-based fusion mechanism that dynamically combines geometric and appearance features to provide richer conditioning for the flow matching module. Experiments on four datasets from the BOP benchmark show that FunFlow6D outperforms the previous state of the art while reducing supervision requirements and memory overhead. Extensive ablations validate the contribution of each proposed component. Project website: https://tev-fbk.github.io/FunFlow6D/.
- Abstract（参考訳）: 条件付きフローマッチングにより、観察されたシーンにオブジェクト表現を段階的にデノゲーションし、登録することにより、オブジェクト6Dのポーズ推定を一歩前進させ、最先端のパフォーマンスを達成することができる。
既存の手法では、オブジェクトとシーンの重複を監督するタスク固有のエンコーダを訓練し、あいまいさを解決するための簡単な特徴融合戦略に頼る必要がある。
本稿では,フローマッチングに基づく新しい定式化であるFunFlow6Dを提案する。
また,幾何学的特徴と外観的特徴を動的に組み合わせたクロスアテンションに基づく融合機構を導入し,フローマッチングモジュールのよりリッチな条件付けを実現する。
BOPベンチマークによる4つのデータセットの実験によると、FunFlow6Dは、監督要件とメモリオーバーヘッドを低減しつつ、以前の最先端よりも優れている。
広範囲にわたる改善は、提案された各コンポーネントの貢献を検証する。
プロジェクトWebサイト: https://tev-fbk.github.io/FunFlow6D/。
関連論文リスト
- Prior-free relative 6D pose estimation of multiple object instances [15.516176223256641]
そこで本研究では,シーン内でどのオブジェクトを配置すべきかを前提とした,事前自由な相対的6Dポーズ推定手法を提案する。
この新しい設定は、CADモデル、テンプレート、参照画像を必要とすることなく、同じ画像内の未知のオブジェクトの複数のインスタンスの相対的なポーズを推定することを目的としている。
論文 参考訳（メタデータ） (2026-09-08T16:07:33Z) - Flow6D: Discrete-to-Continuous Flow Matching for Efficient and Accurate Category-Level 6D Pose Estimation [18.258165456031975]
Flow6Dは階層的なフローマッチングフレームワークであり、2段階の離散的な空間局在-連続的なポーズ回帰戦略を持つ。
このフレームワークは自然にオブジェクトに拡張され、70FPSのリアルタイム推論を備えた合成および実際のデータセットにおける最先端の手法より優れている。
論文 参考訳（メタデータ） (2026-06-22T13:05:55Z) - GeoMotion: Rethinking Motion Segmentation via Latent 4D Geometry [61.24189040578178]
そこで本研究では,注目機構を介し,潜在特徴表現から移動対象を直接推論する完全学習型アプローチを提案する。
我々の重要な洞察は、明示的な対応推定を回避し、代わりに、モデルが暗黙的にオブジェクトとカメラの動きを歪めることを学ぶことである。
提案手法は,最先端の動作セグメンテーション性能を高い効率で達成する。
論文 参考訳（メタデータ） (2026-02-25T11:36:33Z) - Visual Autoregressive Modelling for Monocular Depth Estimation [69.01449528371916]
本稿では,視覚的自己回帰(VAR)に基づく単眼深度推定手法を提案する。
提案手法は,大規模テキスト・画像VARモデルに適応し,スケールワイド・コンディショナル・アップサンプリング機構を導入する。
本研究では,屋内ベンチマークにおける制約付きトレーニング条件下での最先端性能と,屋外データセットに適用した場合の強い性能について報告する。
論文 参考訳（メタデータ） (2025-12-27T17:08:03Z) - GenFlow: Generalizable Recurrent Flow for 6D Pose Refinement of Novel Objects [14.598853174946656]
我々は、新しいオブジェクトへの精度と一般化を可能にするアプローチであるGenFlowを提案する。
提案手法は, レンダリング画像と観察画像との間の光学的流れを予測し, 6次元ポーズを反復的に洗練する。
3次元形状の制約と、エンドツーエンドの微分システムから学習した一般化可能な幾何学的知識により、性能を向上させる。
論文 参考訳（メタデータ） (2024-03-18T06:32:23Z) - Revisiting Fully Convolutional Geometric Features for Object 6D Pose
Estimation [7.064953237013352]
我々は、FCGF(Fully Convolutional Geometric Features)を再検討し、オブジェクトの6Dポーズ推定を調整し、最先端の性能を達成する。
FCGFはスパース畳み込みを採用し、コントラスト損失を最適化することにより、完全畳み込みネットワークを用いてポイントレベルの特徴を学習する。
我々は、損失と入力データ表現に重要な変更を加えることで、人気のあるベンチマークにおいて、最近の競合より優れています。
論文 参考訳（メタデータ） (2023-07-28T12:16:31Z) - Robust Category-Level 6D Pose Estimation with Coarse-to-Fine Rendering
of Neural Features [17.920305227880245]
1枚のRGB画像からカテゴリレベルの6Dポーズ推定の問題を考察する。
提案手法は,対象カテゴリを立方体メッシュとして表現し,各メッシュにおける神経機能アクティベーションの生成モデルを学習する。
実験では,先行作業と比較して,カテゴリレベルの6次元ポーズ推定性能が向上した。
論文 参考訳（メタデータ） (2022-09-12T21:31:36Z) - 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) - Semantic keypoint-based pose estimation from single RGB frames [64.80395521735463]
一つのRGB画像からオブジェクトの連続6-DoFポーズを推定する手法を提案する。
このアプローチは、畳み込みネットワーク(convnet)によって予測されるセマンティックキーポイントと、変形可能な形状モデルを組み合わせる。
提案手法は,インスタンスベースのシナリオとクラスベースのシナリオの両方に対して,6-DoFオブジェクトのポーズを正確に復元できることを示す。
論文 参考訳（メタデータ） (2022-04-12T15:03:51Z) - FS6D: Few-Shot 6D Pose Estimation of Novel Objects [116.34922994123973]
6Dオブジェクトポーズ推定ネットワークは、多数のオブジェクトインスタンスにスケールする能力に制限がある。
本研究では,未知の物体の6次元ポーズを,余分な訓練を伴わずにいくつかの支援ビューで推定する。
論文 参考訳（メタデータ） (2022-03-28T10:31:29Z) - Learning Monocular Depth in Dynamic Scenes via Instance-Aware Projection
Consistency [114.02182755620784]
本稿では,複数の動的物体の6-DoF動作,エゴモーション,深度を,監督なしで一眼レフカメラで明示的にモデル化する,エンドツーエンドのジョイントトレーニングフレームワークを提案する。
筆者らのフレームワークは,最先端の深度・動き推定法より優れていた。
論文 参考訳（メタデータ） (2021-02-04T14:26:42Z) - 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) - A Pose Proposal and Refinement Network for Better Object Pose Estimation [0.5735035463793008]
本稿では,RGB入力で動作する,エンドツーエンドの6Dオブジェクトポーズ推定手法を提案する。
提案するパイプラインは、最先端のRGBベースの手法と競合するランタイム性能より優れています。
論文 参考訳（メタデータ） (2020-04-11T23:13:54Z)
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。