論文の概要: LEGAU: Learning Semantic Gaussian Priors for Scalable Category-level Pose Estimation

• arxiv url: http://arxiv.org/abs/2609.35046v1
• Date: Mon, 28 Sep 2026 12:42:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-02 17:27:27.702138
• Title: LEGAU: Learning Semantic Gaussian Priors for Scalable Category-level Pose Estimation
• Title（参考訳）: LEGAU: スケーラブルなカテゴリレベルのポース推定のためのセマンティックガウス事前学習
• Abstract要約: 単一のRGB-D観測によるカテゴリーレベルの6Dポーズ推定は本質的に非拘束である。 我々は,NOCS対応,オブジェクトポーズ,サイズを共同で予測する統合フレームワークLEGAUを提案する。 合成および実世界のベンチマーク実験により、この合成されたポーズ-形状の定式化が強い性能を発揮することが示された。
• 参考スコア（独自算出の注目度）: 68.07049602984412
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Category-level 6D pose estimation from a single RGB-D observation is inherently under-constrained, since partial visible geometry must be interpreted together with a canonical object structure before a stable pose can be determined. We present LEGAU, a unified framework that jointly predicts NOCS correspondence, object pose and size, and a canonical Semantic Gaussian Field. Rather than treating reconstruction as a detached auxiliary task, LEGAU uses the Gaussian field as a category-conditioned structural prior that participates in multimodal feature fusion and provides global guidance for local pose reasoning. Conditioned on a categorical text embedding, LEGAU processes RGB-D observations through a transformer-based fusion module that integrates visual, geometric, and category-level cues, decoding the NOCS map, pose and size information and the Gaussian-based object representation. Extensive experiments on synthetic and real-world benchmarks show that this coupled pose-shape formulation achieves strong performance in a single-model multi-category setting, with up to 22\% on SOPE and competitive transfer to real-world data. These results highlight the benefit of jointly learning canonical correspondence, object shape, and pose alignment within a unified representation.
• Abstract（参考訳）: 単一のRGB-D観測によるカテゴリーレベルの6Dポーズ推定は、安定なポーズを決定する前に、部分的な可視的幾何学を標準的オブジェクト構造と共に解釈する必要があるため、本質的には制約下にある。 本稿では,NOCS対応,オブジェクトのポーズとサイズを共同で予測する統合フレームワークLEGAUと,標準セマンティックガウス場について述べる。 LEGAUは、再構成を分離した補助タスクとして扱うのではなく、マルチモーダルな特徴融合に参画し、局所的なポーズ推論のためのグローバルガイダンスを提供するカテゴリ条件付き構造として、ガウス場を用いる。 LEGAUは分類テキスト埋め込みを前提として、視覚的、幾何学的、カテゴリーレベルのキューを統合したトランスフォーマーベースの融合モジュールを通じてRGB-Dの観測を処理し、NOCSマップをデコードし、ポーズとサイズ情報とガウスベースのオブジェクト表現を出力する。 合成および実世界のベンチマークにおいて、この結合されたポーズ-形状の定式化は、単一モデルのマルチカテゴリ設定において、SOPEと実世界のデータへの競合的転送に最大22%の精度で高い性能を達成することを示す。 これらの結果は、統一表現内での連立学習の標準対応、オブジェクト形状、ポーズアライメントの利点を浮き彫りにする。

関連論文リスト

• PriorPose: Reference-Guided Joint Deformation and Alignment for Category-Level Object Pose Estimation [65.40341394642324]
  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。
  論文  参考訳（メタデータ） (2026-09-15T06:57:34Z)
• 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)
• Object Pose Transformer: Unifying Unseen Object Pose Estimation [54.20344997573707]
  モデルなしのオブジェクトポーズ推定を未知のインスタンスで学習することは、3Dビジョンにおける根本的な課題である。 我々のチームは、RGB入力から深度、ポイントマップ、カメラパラメータ、正規化されたオブジェクト座標を共同で予測します。 当社はカメラ非依存で、カメラ固有の知識をオンザフライで学習し、メトリックスケールリカバリのためのオプションの深度入力をサポートします。
  論文  参考訳（メタデータ） (2026-03-24T16:04:16Z)
• GIVEPose: Gradual Intra-class Variation Elimination for RGB-based Category-Level Object Pose Estimation [61.46277064819665]
  GIVEPoseは,カテゴリレベルのオブジェクトのポーズ推定のための階層内変分除去を実装したフレームワークである。 GIVEPoseは、既存の最先端のRGBベースのアプローチを大きく上回っている。
  論文  参考訳（メタデータ） (2025-03-19T11:07:01Z)
• Generative Category-Level Shape and Pose Estimation with Semantic Primitives [27.692997522812615]
  本稿では,1枚のRGB-D画像からカテゴリレベルのオブジェクト形状とポーズ推定を行う新しいフレームワークを提案する。 カテゴリ内変動に対処するために、様々な形状を統一された潜在空間にエンコードするセマンティックプリミティブ表現を採用する。 提案手法は,実世界のデータセットにおいて,SOTAのポーズ推定性能とより優れた一般化を実現する。
  論文  参考訳（メタデータ） (2022-10-03T17:51:54Z)

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。