論文の概要: WAPR: A Foundation Model for Wide-Angle Refinement in Unseen Object Pose Estimation

• arxiv url: http://arxiv.org/abs/2610.09535v1
• Date: Wed, 07 Oct 2026 06:38:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 21:58:22.753268
• Title: WAPR: A Foundation Model for Wide-Angle Refinement in Unseen Object Pose Estimation
• Title（参考訳）: WAPR: 見えないオブジェクトのポース推定における広角リファインメントの基礎モデル
• Abstract要約: 本稿では,ゼロショット広角ポーズ改善モデルWAPRを紹介し,最大90度の回転偏差で候補ポーズを洗練させる。 検出されたオブジェクトインスタンス毎の12の候補ポーズで、WAPRはフレーム毎の1秒以内の高速推論をサポートし、検出されたオブジェクトインスタンス毎の最大25のポーズ推定スループットに達する。
• 参考スコア（独自算出の注目度）: 35.44353254873788
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Real-world applications require 6D pose estimation to be accurate, fast, and scalable to unseen objects. This paper introduces WAPR, a zero-shot wide-angle pose refinement model that refines candidate poses with rotational deviations up to 90 degrees. With as few as 12 candidate poses per detected object instance, WAPR supports fast inference within 1 s per frame and reaches a pose-estimation throughput of up to 25 detected object instances per second. To support wide-angle training for rotationally symmetric objects, WAPR uses rotational symmetry priors to canonicalize symmetry-equivalent pose targets before loss computation. We further construct SA6D, a large-scale 6D training dataset with such priors. SA6D obtains KASAL-assisted rotational symmetry priors for 944 GSO scans and expands them through geometry and texture augmentation into about 50K augmented object instances and about 2M rendered RGB-D images. In addition, an angle-balanced loss stabilizes learning across different angular ranges by reducing the influence of uninformative large-error cases. Experiments on seven BOP core datasets show that WAPR achieves state-of-the-art performance in unseen-object 6D pose localization and detection under both fast and unconstrained inference settings. Project page: https://github.com/WangYuLin-SEU/WAPR.
• Abstract（参考訳）: 現実世界のアプリケーションは、6Dのポーズ推定を正確で、高速で、そして、見えないオブジェクトにスケーラブルにする必要があります。 本稿では,ゼロショット広角ポーズ改善モデルWAPRを紹介し,最大90度の回転偏差で候補ポーズを洗練させる。 検出されたオブジェクトインスタンス毎の12の候補ポーズで、WAPRはフレーム毎の1秒以内の高速推論をサポートし、検出されたオブジェクトインスタンス毎の最大25のポーズ推定スループットに達する。 回転対称物体に対する広角トレーニングを支援するため、WAPRは損失計算の前に対称等価ポーズターゲットを正準化するために回転対称性を使用する。 さらに,従来の大規模6DトレーニングデータセットであるSA6Dを構築した。 SA6D は 944 GSO スキャンのための KASAL による回転対称性の先行値を取得し、幾何およびテクスチャ拡張により約 50K の拡張オブジェクトインスタンスと約 2M のレンダリング RGB-D 画像に拡張する。 さらに、角度バランスの取れた損失は、不定形大エラー事件の影響を減らし、異なる角度範囲での学習を安定化させる。 7つのBOPコアデータセットの実験により、WAPRは未確認の6Dで最先端のパフォーマンスを達成し、高速かつ制約のない推論設定の下でローカライズと検出を行うことが示された。 プロジェクトページ:https://github.com/WangYuLin-SEU/WAPR.com

関連論文リスト

• Any6D: Model-free 6D Pose Estimation of Novel Objects [76.30057578269668]
  我々は,6次元オブジェクトのポーズ推定のためのモデルフリーフレームワークであるAny6Dを紹介する。 新たなシーンでは、未知の物体の6Dポーズと大きさを推定するために、1枚のRGB-Dアンカー画像しか必要としない。 提案手法を5つの挑戦的データセットで評価する。
  論文  参考訳（メタデータ） (2025-03-24T13:46:21Z)
• Learning to Estimate 6DoF Pose from Limited Data: A Few-Shot, Generalizable Approach using RGB Images [60.0898989456276]
  本稿では,数ショットの6DoFポーズ推定のためのCas6Dという新しいフレームワークを提案する。 極めて少数の設定で対象物検出の偽陽性に対処するために,本フレームワークでは,自己教師付き事前学習型ViTを用いて,ロバストな特徴表現を学習する。 LINEMODとGenMOPデータセットの実験結果は、Cas6Dが32ショット設定で最先端の手法を9.2%、精度3.8%(Proj-5)で上回ることを示した。
  論文  参考訳（メタデータ） (2023-06-13T07:45:42Z)
• Unseen Object 6D Pose Estimation: A Benchmark and Baselines [62.8809734237213]
  本稿では,新しい物体の6次元ポーズ推定をアルゴリズムで行えるようにするための新しいタスクを提案する。 実画像と合成画像の両方でデータセットを収集し、テストセットで最大48個の未確認オブジェクトを収集する。 エンド・ツー・エンドの3D対応ネットワークをトレーニングすることにより、未確認物体と部分ビューRGBD画像との対応点を高精度かつ効率的に見つけることができる。
  論文  参考訳（メタデータ） (2022-06-23T16:29:53Z)
• Coupled Iterative Refinement for 6D Multi-Object Pose Estimation [64.7198752089041]
  既知の3DオブジェクトのセットとRGBまたはRGB-Dの入力画像から、各オブジェクトの6Dポーズを検出して推定する。 我々のアプローチは、ポーズと対応を緊密に結合した方法で反復的に洗練し、アウトレーヤを動的に除去して精度を向上させる。
  論文  参考訳（メタデータ） (2022-04-26T18:00:08Z)
• Disentangled Implicit Shape and Pose Learning for Scalable 6D Pose Estimation [44.8872454995923]
  単一オートエンコーダを用いた複数オブジェクトの合成データに対する自己教師付き学習により,スケーラブルな6次元ポーズ推定のための新しい手法を提案する。 提案手法は,T-LESS と NOCS REAL275 という実データを持つ2つのマルチオブジェクトベンチマークで検証し,ポーズ推定精度と一般化の点で既存の RGB 法より優れていることを示す。
  論文  参考訳（メタデータ） (2021-07-27T01:55:30Z)
• 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)
• EfficientPose: An efficient, accurate and scalable end-to-end 6D multi object pose estimation approach [0.0]
  6次元オブジェクトのポーズ推定のための新しいアプローチであるEfficientPoseを紹介する。 非常に正確で、効率的で、幅広い計算資源に対してスケーラブルである。 複数のオブジェクトやインスタンスの2Dバウンディングボックスを検出したり、ひとつのショットで完全な6Dポーズを推定することができる。
  論文  参考訳（メタデータ） (2020-11-09T10:23:55Z)
• PrimA6D: Rotational Primitive Reconstruction for Enhanced and Robust 6D Pose Estimation [11.873744190924599]
  本稿では,1つの画像を入力として,回転プリミティブに基づく6次元オブジェクトポーズ推定を提案する。 変分オートエンコーダ(VAE)を利用して、基礎となるプリミティブとその関連するキーポイントを学習する。 公開データセットに対して評価すると,LINEMOD,Occlusion LINEMOD,およびY誘発データセットよりも顕著な改善が得られた。
  論文  参考訳（メタデータ） (2020-06-14T03:55:42Z)

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。