論文の概要: PriorPose: Reference-Guided Joint Deformation and Alignment for Category-Level Object Pose Estimation

• arxiv url: http://arxiv.org/abs/2609.16727v1
• Date: Tue, 15 Sep 2026 06:57:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 14:56:08.379349
• Title: PriorPose: Reference-Guided Joint Deformation and Alignment for Category-Level Object Pose Estimation
• Title（参考訳）: PriorPose: カテゴリーレベルオブジェクトポース推定のための基準誘導関節変形とアライメント
• Abstract要約: カテゴリレベルのオブジェクトのポーズ推定は、インスタンス固有のCADモデルなしで未確認のインスタンスに対して$(R,t,s)$の類似性変換を復元しようとする。 最も競争力のある方法は通信方式である。 カテゴリを明示的に保持する参照誘導対応フレームワークである PreferPose を提案する。
• 参考スコア（独自算出の注目度）: 65.40341394642324
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Category-level object pose estimation seeks to recover a similarity transform $(R,t,s)$ for unseen instances without instance-specific CAD models. Most competitive methods are correspondence-based: prior-free variants regress canonical (NOCS) coordinates directly from local observations and implicitly memorize the canonical frame in the weights, which ties the parameters to category-typical orientations and hurts generalization under distribution shift; prior-based variants introduce a category prior but typically follow a serial deform-then-align pipeline, where underconstrained canonical completion can corrupt correspondences and induce error cascades in pose. We propose PriorPose, a reference-guided correspondence framework that keeps the category prior explicit and solves canonicalization and alignment jointly in a shared feature space. A reference-guided seeded transformer embeds the partial observation and the category prior as token sets and fuses them via geometry-aware seeds, from which the network jointly predicts a per-point NOCS field for visible points and a canonical deformation of the prior that reconstructs a full canonical instance, while a deep pose head regresses $(R,t,s)$ from the induced correspondences. A two-part shape consistency objective, with canonical-space and camera-space consistency losses, couples correspondence, deformation, and pose, reducing reliance on memorized canonical orientations and avoiding deform-then-align error cascades. Experiments on standard and larger-category benchmarks demonstrate that PriorPose sets new state-of-the-art results on most evaluated metrics, especially under strict pose thresholds, while remaining competitive on relaxed pose and IoU metrics and showing improved robustness under shape variation and domain shift.
• Abstract（参考訳）: カテゴリレベルのオブジェクトのポーズ推定は、インスタンス固有のCADモデルなしで未確認のインスタンスに対して$(R,t,s)$の類似性を回復しようとする。 事前自由な変種(NOCS)座標を局所的な観測から直接引き起こし、重みの標準フレームを暗黙的に記憶し、パラメータをカテゴリー的な向きに結び付け、分布シフトの下で一般化を損なう。 そこで本稿では,参照誘導対応フレームワークであるPrediorPoseを提案する。これはカテゴリを事前に明示し,共有特徴空間における正規化とアライメントを共同で解決する。 参照誘導シード変換器は、トークンセットとして先行する部分観察とカテゴリを埋め込んで幾何学的に認識されたシードを融合し、そこからネットワークが可視点に対する点当たりNOCSフィールドと、完全な正準インスタンスを再構築する前の正準変形を共同で予測し、深いポーズヘッドが誘導された対応から$(R,t,s)$を回帰する。 正準空間とカメラ空間の整合性損失、対対応、変形、ポーズ、記憶された正準方向への依存の低減、デフォルム・then-alignエラーカスケードの回避を含む2部形状整合性目標。 標準およびより大きなカテゴリベンチマークの実験では、PresidePoseは、特に厳格なポーズ閾値の下で、最も評価の高いメトリクスに対して、新しい最先端の結果をセットする一方で、リラックスしたポーズとIoUメトリクスで競争力を維持し、形状の変化とドメインシフト下での堅牢性の向上を示している。

関連論文リスト

• SCAPO: Self-Supervised Category-Level Articulated Pose Estimation from a Single 3D Observation [54.98864436812187]
  本稿では,1つのRGB-D観測から標準幾何,剛部分セグメンテーション,関節ピボット,軸,調音状態を推定する自己教師型フレームワークを提案する。 合成および実調音オブジェクトデータセットの実験により、SCAPOは、一貫した部分構造と正確な調音パラメータを復元し、全ての自監督ベースラインを上回ります。
  論文  参考訳（メタデータ） (2026-06-01T09:04:49Z)
• ComPose: A Unified Completion-Pose Framework for Robust Category-Level Object Pose Estimation [44.69407221741985]
  カテゴリーレベルのオブジェクトポーズ推定は、特定のカテゴリにおける任意のオブジェクトのポーズとサイズを予測することを目的としている。 既存の方法は観測された点雲の固有の不完全性に苦しむ。 形状補完を密に統合する新しい統合フレームワークであるComPoseを提案する。
  論文  参考訳（メタデータ） (2026-05-25T08:10:06Z)
• Robust Canonicalization through Bootstrapped Data Re-Alignment [5.437226012505534]
  昆虫や鳥の識別などのきめ細かい視覚分類タスクは、微妙な視覚的手がかりに対する感受性を必要とする。 分散を低減してトレーニングサンプルを反復的に調整するブートストラップアルゴリズムを提案する。 本手法は,拡張と同等の性能を保ちながら,同変および正準化ベースラインを一貫して上回ることを示す。
  論文  参考訳（メタデータ） (2025-10-09T13:05:20Z)
• Geometrically Constrained and Token-Based Probabilistic Spatial Transformers [5.437226012505534]
  我々は、トランスフォーマーベースのビジョンパイプラインの標準化ツールとして、空間トランスフォーマーネットワーク(STN)を再考する。 本稿では、堅牢性を向上させる確率的、コンポーネントワイドな拡張を提案する。 本手法が他のSTNと比較して頑健さを常に向上することを示す。
  論文  参考訳（メタデータ） (2025-09-14T11:30:53Z)
• CP$^2$: Leveraging Geometry for Conformal Prediction via Canonicalization [51.716834831684004]
  幾何データシフトにおける共形予測(CP)の問題について検討する。 本稿では,幾何的ポーズなどの幾何学的情報を統合することを提案する。
  論文  参考訳（メタデータ） (2025-06-19T10:12:02Z)
• UNOPose: Unseen Object Pose Estimation with an Unposed RGB-D Reference Image [86.7128543480229]
  見えないオブジェクトのポーズ推定方法はCADモデルや複数の参照ビューに依存することが多い。 参照取得を簡略化するために,未提示のRGB-D参照画像を用いて未確認オブジェクトのポーズを推定することを目的とする。 単参照型オブジェクトポーズ推定のための新しいアプローチとベンチマークをUNOPoseと呼ぶ。
  論文  参考訳（メタデータ） (2024-11-25T05:36:00Z)
• SSP-Pose: Symmetry-Aware Shape Prior Deformation for Direct Category-Level Object Pose Estimation [77.88624073105768]
  カテゴリーレベルのポーズ推定は、クラス内形状の変化によって難しい問題である。 カテゴリレベルのポーズ推定のためのエンドツーエンドのトレーニング可能なネットワークSSP-Poseを提案する。 SSP-Poseは、リアルタイムの推論速度が約25Hzの競合に比べて性能が優れている。
  論文  参考訳（メタデータ） (2022-08-13T14:37:31Z)
• Frame Averaging for Equivariant Shape Space Learning [85.42901997467754]
  形状空間学習に対称性を組み込む自然な方法は、形状空間(エンコーダ)への写像と形状空間(デコーダ)からの写像が関連する対称性に同値であることを問うことである。 本稿では,2つのコントリビューションを導入することで,エンコーダとデコーダの等価性を組み込む枠組みを提案する。
  論文  参考訳（メタデータ） (2021-12-03T06:41:19Z)

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。