論文の概要: GRC-Pose: Generation-Reconstruction Correspondence for Prior-Free 6D Object Pose Tracking

• arxiv url: http://arxiv.org/abs/2609.39116v1
• Date: Wed, 30 Sep 2026 06:53:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:27.298074
• Title: GRC-Pose: Generation-Reconstruction Correspondence for Prior-Free 6D Object Pose Tracking
• Title（参考訳）: GRC-Pose:事前自由6次元物体追跡のための生成再構成対応
• Abstract要約: 事前自由な6Dオブジェクトのポーズトラッキングは、オブジェクト固有のCADモデルなしで、単一のRGBビデオから見えないオブジェクトの軌道を回復しようとする。 本稿では,学習した対応予測と頑健なポーズ推定を組み合わせた対応型フレームワークGRC-Poseを紹介する。 HOT3Dでは、最先端のAverage Recallとモーションリテンションを実現し、先行技術よりも58%向上している。
• 参考スコア（独自算出の注目度）: 33.40354728276394
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Prior-free 6D object pose tracking seeks to recover the trajectory of an unseen object from a single RGB video without object-specific CAD models, posed reference images, or pose annotations. Geometric foundation models provide complementary object-centric and scene-centric cues, yet SAM3D CAD is indexed by an arbitrary object-local surface parameterization, whereas reconstructed evidence is expressed in a sequence-specific world frame with partial surface coverage. To exploit this complementarity, we formulate tracking as generation-reconstruction correspondence and introduce GRC-Pose, a correspondence-based framework that combines learned correspondence prediction with robust pose estimation. Concretely, GeoCorr-Matcher estimates weighted object-scene correspondences and per-match uncertainty for each pose candidate. FGH-Solver integrates these matches through multiple robust geometric estimators and sequence-level posterior inference, while a posterior-gated memory retains only inlier-supported observations through occlusion and viewpoint change. Extensive evaluation shows that with SAM3D CAD, GRC-Pose achieves state-of-the-art Average Recall and motion retention on HOT3D, improving the latter by 58% over prior art. On classical benchmarks including YCBInEOAT and LINEMOD, it remains highly competitive.
• Abstract（参考訳）: 事前自由な6Dオブジェクトのポーズトラッキングは、オブジェクト固有のCADモデル、ポーズされた参照画像、またはアノテーションなしで、単一のRGBビデオから見えないオブジェクトの軌道を回復しようとする。 幾何学的基礎モデルは、補完的なオブジェクト中心およびシーン中心の手がかりを提供するが、SAM3D CADは任意のオブジェクト局所表面パラメータ化によってインデックス化され、再構成された証拠は部分的な表面カバレッジを持つシーケンス固有世界フレームで表現される。 この相補性を活用するために,学習された対応予測とロバストなポーズ推定を組み合わせた対応型フレームワークであるGRC-Poseを導入する。 具体的には、GeoCorr-Matcherは、各ポーズ候補に対する重み付きオブジェクトシーン対応と、マッチごとの不確実性を推定する。 FGH-ソルバーは、複数のロバストな幾何学的推定器とシーケンスレベルの後部推論を通してこれらのマッチングを統合する一方、後部ゲートメモリは、オクルージョンと視点変化を通じて、イリヤ支持された観測のみを保持する。 GRC-Pose は SAM3D CAD を用いて HOT3D における最先端のアベレージ・リコールとモーション・リテンションを実現し, 先行技術よりも58%向上した。 YCBInEOATやLINEMODなどの古典的なベンチマークでは、競争力が非常に高い。

関連論文リスト

• Back to the Feature: Zero-Shot 6DoF Pose Estimation via Dense Local Features [0.0]
  RGB画像から見えない物体の6DoFポーズ推定のための訓練不要ゼロショット法であるB2oseを提案する。 B2oseは、タスク固有の微調整なしで、合成と現実のドメインギャップをまたいで一般化する、密集したパッチレベルの特徴を抽出する。 BOPベンチマークの7つのコアデータセットでは、B2oseは改善のない40.7の平均ARと56.4の洗練を実現している。
  論文  参考訳（メタデータ） (2026-09-06T16:57:27Z)
• 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)
• OPFormer: Object Pose Estimation leveraging foundation model with geometric encoding [2.1987601456703474]
  オブジェクト検出とポーズ推定をシームレスに統合する統合されたエンドツーエンドフレームワークを導入する。 当システムではまずCNOS検出器を用いて対象物体のローカライズを行う。 検出毎に、新しいポーズ推定モジュールOPFormerが正確な6Dポーズを推測する。
  論文  参考訳（メタデータ） (2025-11-16T14:19:52Z)
• RefPose: Leveraging Reference Geometric Correspondences for Accurate 6D Pose Estimation of Unseen Objects [21.047434860977454]
  RefPoseは、参照画像と幾何対応をガイダンスとして活用するオブジェクトポーズ推定の革新的なアプローチである。 RefPoseは、競争力のあるランタイムを維持しながら、最先端の結果を達成することを示す。
  論文  参考訳（メタデータ） (2025-05-16T04:17:58Z)
• 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)
• GPV-Pose: Category-level Object Pose Estimation via Geometry-guided Point-wise Voting [103.74918834553249]
  GPV-Poseはロバストなカテゴリーレベルのポーズ推定のための新しいフレームワークである。 幾何学的洞察を利用して、カテゴリーレベルのポーズ感応的特徴の学習を強化する。 一般的な公開ベンチマークにおいて、最先端の競合相手に優れた結果をもたらす。
  論文  参考訳（メタデータ） (2022-03-15T13:58:50Z)

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。