論文の概要: PICO: Projection-Informed Consistency Optimisation for 6DoF Surgical Tool Pose Estimation

• arxiv url: http://arxiv.org/abs/2609.30989v1
• Date: Fri, 25 Sep 2026 08:35:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 18:27:51.29863
• Title: PICO: Projection-Informed Consistency Optimisation for 6DoF Surgical Tool Pose Estimation
• Title（参考訳）: PICO : 6DoF手術ツールポス推定のための投影インフォームド整合性最適化
• Abstract要約: 方法:新しいエンドツーエンドトレーニングモデルPICOを提案する。 本モデルでは,翻訳パラメータと回転パラメータの回帰とともに,セグメンテーションと深度マップの予測にマルチタスク学習アーキテクチャを用いる。 提案手法をSurgRIPEデータセット上で評価し,その性能を最先端のアプローチと比較した。
• 参考スコア（独自算出の注目度）: 2.7548979811246297
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Purpose: Accurate 6 DoF pose estimation of surgical tools is critical for automa- tion, robotic proprioception, and safe interaction with the tissue operated on. Kinematics-based approaches suffer from accumulated errors due to the cable- driven nature of robotic arms, while vision-based methods often rely on external markers or trackers. Although more recent vision-based advances have been pro- posed, these two-stage pose estimation methods often lack real-time robustness due to accumulated errors and computational overhead. Methods: We propose a novel end-to-end trainable model, PICO. Our model employs a multi-task learning architecture to predict segmentation and depth maps, alongside regression of translation and rotation parameters. We define two proxy tasks that enforce geometric consistency in both 2D and 3D spaces, improving accuracy and robustness. For this, we propose a projection loss, and a point-to-point loss. Results: We evaluate our method on the SurgRIPE dataset, benchmarking its performance against state-of-the-art approaches using standard 6DoF pose esti- mation metrics. Our results demonstrate consistently strong performance across all four subsets, specifically in rotation, ranking second even under occlusion. It also demonstrates comparable translational performance, remaining competitive, especially in occluded cases. Conclusion: PICO demonstrates the effectiveness of multi-task learning and geometry-aware proxy tasks for robust and reliable surgical tool pose estimation, especially in occluded scenarios, highlighting potential for future applications.
• Abstract（参考訳）: 目的: 手術器具の正確な6 DoFポーズ推定は, オートマクション, ロボット・プロピロセプション, 手術組織との安全な相互作用において重要である。 キネマティクスに基づくアプローチは、ロボットアームのケーブル駆動性によって蓄積されたエラーに悩まされるが、視覚ベースの手法は外部マーカーやトラッカーに依存することが多い。 より最近の視覚ベースの進歩は提案されているが、これらの2段階のポーズ推定法は、蓄積されたエラーと計算オーバーヘッドにより、しばしばリアルタイムのロバスト性を欠いている。 方法:新しいエンドツーエンドトレーニングモデルPICOを提案する。 本モデルでは,翻訳パラメータと回転パラメータの回帰とともに,セグメンテーションと深度マップの予測にマルチタスク学習アーキテクチャを用いる。 2次元空間と3次元空間の幾何的整合性を強制する2つのプロキシタスクを定義し、精度とロバスト性を向上させる。 そこで本研究では,投射損失とポイント・ツー・ポイント損失を提案する。 結果: 提案手法をSurgRIPEデータセット上で評価し, 標準6DoFのesti-mation測定値を用いて, その性能を最先端のアプローチと比較した。 以上の結果から,4つのサブセット,特に回転において,排他的でも2番目に高い性能を示した。 また、同程度の翻訳性能を示し、特に排他的ケースでは競争力を維持している。 結論:PICOは,堅牢で信頼性の高い外科的ツールのポーズ推定におけるマルチタスク学習と幾何対応のプロキシタスクの有効性を実証する。

関連論文リスト

• LIBERO-VPro: Benchmarking Closed-Loop Visual Robustness of Robotic Foundation Models [61.038310084204056]
  本稿では,ロボット基礎モデルの閉ループ視覚的堅牢性を評価するためのベンチマークであるLIBERO-VProを紹介する。 約196,000回にわたって3つの視覚言語行動モデルと3つの世界行動モデルを評価した。 以上の結果から,強い名目性能は視覚的接地や適応において重大な弱点を隠蔽する可能性が示唆された。
  論文  参考訳（メタデータ） (2026-09-21T09:43:41Z)
• Temporally Consistent Object 6D Pose Estimation for Robot Control [16.973122634563314]
  我々は、オブジェクトの時間的一貫性を強制する因子グラフアプローチを開発する。 フィードバックに基づくロボット制御タスクにおける提案手法の安定性を実験的に検証する。
  論文  参考訳（メタデータ） (2026-05-04T15:15:09Z)
• Unlocking the Power of Critical Factors for 3D Visual Geometry Estimation [43.14437643346991]
  本稿では,厳密なアブレーション研究を通じてモデル性能を駆動する重要な要因について検討する。 最適化手法と高分解能入力の利点を統合するための2つの拡張を導入する。 点雲再構成、ビデオ深度推定、カメラのポーズ/内在推定の実験は、CARVEが様々なベンチマークで強力で堅牢な性能を達成していることを示している。
  論文  参考訳（メタデータ） (2026-04-23T14:20:44Z)
• Training-free Detection and 6D Pose Estimation of Unseen Surgical Instruments [45.387920812487465]
  本研究は,未確認の手術器具の高精度なマルチビュー6Dポーズ推定のための無トレーニングパイプラインを導入する。 本手法はMVPSPデータセットから実世界の手術データを用いて厳密に評価した。
  論文  参考訳（メタデータ） (2026-03-26T09:28:19Z)
• WALDO: Where Unseen Model-based 6D Pose Estimation Meets Occlusion [13.760323763554448]
  モデルに基づく6次元ポーズ推定法に対する4つの新しい拡張を提案する。 提案手法は,IABINの精度が5%以上向上し,BOPデータセットのベンチマークでは2%以上向上していることを示す。
  論文  参考訳（メタデータ） (2025-11-19T21:01:49Z)
• Uncertainty-Aware Testing-Time Optimization for 3D Human Pose Estimation [65.91490997921859]
  本研究では3次元ポーズ推定のための不確実性認識テスト時間最適化(UAO)フレームワークを提案する。 このフレームワークは、事前訓練されたモデルの事前情報を保持し、関節の不確実性を用いて過度に適合する問題を緩和する。 我々のアプローチは、Human3.6Mの5.5%という大きなマージンで、これまでの最高の結果を上回っています。
  論文  参考訳（メタデータ） (2024-02-04T04:28:02Z)
• FILP-3D: Enhancing 3D Few-shot Class-incremental Learning with Pre-trained Vision-Language Models [59.13757801286343]
  クラス増分学習(class-incremental learning)は、モデルが限られたデータで漸進的にトレーニングされている場合、破滅的な忘れの問題を軽減することを目的としている。 本稿では,特徴空間の不整合のための冗長特徴除去器 (RFE) と,重要な雑音に対する空間ノイズ補償器 (SNC) の2つの新しいコンポーネントを備えたFILP-3Dフレームワークを紹介する。
  論文  参考訳（メタデータ） (2023-12-28T14:52:07Z)
• Uncertainty-Aware Adaptation for Self-Supervised 3D Human Pose Estimation [70.32536356351706]
  本稿では、2つの出力ヘッドを2つの異なる構成にサブスクライブする共通のディープネットワークバックボーンを構成するMPP-Netを紹介する。 ポーズと関節のレベルで予測の不確実性を定量化するための適切な尺度を導出する。 本稿では,提案手法の総合評価を行い,ベンチマークデータセット上での最先端性能を示す。
  論文  参考訳（メタデータ） (2022-03-29T07:14:58Z)
• Dynamic Iterative Refinement for Efficient 3D Hand Pose Estimation [87.54604263202941]
  本稿では,従来の推定値の修正に部分的レイヤを反復的に活用する,小さなディープニューラルネットワークを提案する。 学習したゲーティング基準を用いて、ウェイトシェアリングループから抜け出すかどうかを判断し、モデルにサンプルごとの適応を可能にする。 提案手法は,広く使用されているベンチマークの精度と効率の両面から,最先端の2D/3Dハンドポーズ推定手法より一貫して優れている。
  論文  参考訳（メタデータ） (2021-11-11T23:31:34Z)
• Occlusion-Robust Object Pose Estimation with Holistic Representation [42.27081423489484]
  State-of-the-art(SOTA)オブジェクトのポーズ推定器は2段階のアプローチを取る。 我々は,新しいブロック・アンド・ブラックアウトバッチ拡張技術を開発した。 また,総合的なポーズ表現学習を促進するためのマルチ精度監視アーキテクチャも開発している。
  論文  参考訳（メタデータ） (2021-10-22T08:00:26Z)
• Kinematic-Structure-Preserved Representation for Unsupervised 3D Human Pose Estimation [58.72192168935338]
  大規模インスタディオデータセットの監視を用いて開発された人間のポーズ推定モデルの一般化可能性については疑問が残る。 本稿では,2対あるいは2対の弱い監督者によって抑制されない,新しいキネマティック構造保存型非教師付き3次元ポーズ推定フレームワークを提案する。 提案モデルでは,前方運動学,カメラ投影,空間マップ変換という3つの連続的な微分可能変換を用いる。
  論文  参考訳（メタデータ） (2020-06-24T23:56:33Z)

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。