論文の概要: ASM-6D: Fast Certified Pose-Shape Inference with Complete Correspondence Flow Maps

• arxiv url: http://arxiv.org/abs/2610.15287v1
• Date: Sun, 11 Oct 2026 02:41:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 01:46:54.686785
• Title: ASM-6D: Fast Certified Pose-Shape Inference with Complete Correspondence Flow Maps
• Title（参考訳）: ASM-6D:完全対応フローマップを用いた高速認証ポッド形状推論
• Abstract要約: カテゴリーレベルの6Dポーズと形状推定は、部分的な観察から物体のポーズと幾何学を復元する必要がある。 本稿では, ASM-6Dについて, 生成的完全幾何予測と明示的なカテゴリーレベルのポーズ-形状推論を併用した手法を提案する。
• 参考スコア（独自算出の注目度）: 16.73537967720169
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Category-level 6D pose and shape estimation requires recovering an object's pose and geometry from partial observations without an exact instance model. We present ASM-6D, which couples generative complete-geometry prediction with explicit category-level pose-shape inference through shared correspondences. Given an RGB-D image, ASM-6D generates alternative complete 3D correspondence hypotheses whose point identities are shared with a category-level Active Shape Model (ASM), including occluded points. Each hypothesis is fitted directly for rotation, translation, metric scale, and instance shape without a separate correspondence-assignment stage. We analytically eliminate translation and shape coefficients, reducing fitting to a nine-variable scaled-rotation optimization problem that enables efficient batched evaluation of multiple hypotheses in real time. ASM-6D achieves state-of-the-art performance on ROPE and HouseCat6D benchmarks. Ablations demonstrate the importance of generative correspondence prediction and active shape variation. The representation also supports shape completion, shape-dependent pose ambiguity, tracking, and robotic grasping at 6-38 Hz, depending on the inference budget.
• Abstract（参考訳）: カテゴリーレベルの6Dポーズと形状推定は、正確なインスタンスモデルなしで部分的な観測からオブジェクトのポーズと幾何学を復元する必要がある。 ASM-6Dは、生成的完全幾何予測と明確なカテゴリーレベルのポーズ-形状推論を共用する。 RGB-D画像が与えられた場合、ASM-6Dは、カテゴリーレベルのアクティブシェイプモデル(ASM)とポイントの同一性を共有する、代替の完全3D対応仮説を生成する。 それぞれの仮説は、回転、翻訳、メートル法スケール、およびインスタンス形状に個別の対応割り当て段階を持たずに直接適合する。 解析的に変換係数と形状係数を排除し,9変数スケールローテーション最適化問題への適合性を低減し,複数仮説のバッチ評価をリアルタイムに行えるようにした。 ASM-6DはROPEとHouseCat6Dベンチマークで最先端のパフォーマンスを達成する。 アブレーションは、生成的対応予測とアクティブな形状変化の重要性を示す。 この表現はまた、推論予算に応じて、6-38Hzで形状の完成、形状に依存したポーズのあいまいさ、追跡、ロボットの把握をサポートする。

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)
• Beyond 'Templates': Category-Agnostic Object Pose, Size, and Shape Estimation from a Single View [69.6117755984012]
  物体の6Dポーズ、サイズ、形状を視覚入力から推定することは、コンピュータビジョンの基本的な問題である。 一つのRGB-D画像から6次元のポーズ,サイズ,密な形状を同時に予測する統合されたカテゴリ非依存フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-13T17:49:15Z)
• AxisPose: Model-Free Matching-Free Single-Shot 6D Object Pose Estimation via Axis Generation [39.6842183721145]
  そこで本研究では,モデルフリーでマッチングフリーで,ロバストな6次元推定のためのシングルショットソリューションであるAxisPoseを提案する。 SfMのような2D-3や2D-2Dマッチング技術に依存する既存の手法とは異なり、AxisPoseは単一のビューからロバストな6Dポーズを推測する。
  論文  参考訳（メタデータ） (2025-03-09T15:19:29Z)
• RBP-Pose: Residual Bounding Box Projection for Category-Level Pose Estimation [103.74918834553247]
  カテゴリーレベルのオブジェクトポーズ推定は、既知のカテゴリの集合からの任意のオブジェクトの3次元メートル法サイズだけでなく、6次元のポーズを予測することを目的としている。 近年の手法では, 観測された点雲を標準空間にマッピングし, 梅山アルゴリズムを用いてポーズとサイズを復元する手法が提案されている。 本稿では,オブジェクトのポーズと残差ベクトルを共同で予測する,幾何学誘導型残差オブジェクト境界ボックス投影ネットワーク RBP-Pose を提案する。
  論文  参考訳（メタデータ） (2022-07-30T14:45:20Z)
• Leveraging SE(3) Equivariance for Self-Supervised Category-Level Object Pose Estimation [30.04752448942084]
  カテゴリーレベルのオブジェクトポーズ推定は、オブジェクトCADモデルにアクセスすることなく、既知のカテゴリから未確認のオブジェクトインスタンスの6Dオブジェクトポーズを見つけることを目的としている。 本研究では,1つの3次元点群からカテゴリレベルの6次元オブジェクトのポーズを推定する自己教師型学習フレームワークを初めて提案する。
  論文  参考訳（メタデータ） (2021-10-30T06:46:44Z)
• Category-Level 6D Object Pose Estimation via Cascaded Relation and Recurrent Reconstruction Networks [22.627704070200863]
  カテゴリーレベルの6Dポーズ推定は、ロボット操作や拡張現実といった多くのシナリオに不可欠である。 カテゴリレベルの6次元ポーズ推定をカスケード関係と再帰的再構成ネットワークを用いて高精度に行う。 我々の手法は最新の最先端のSPDを4.9%、CAMERA25データセットで17.7%で上回る。
  論文  参考訳（メタデータ） (2021-08-19T15:46:52Z)
• FS-Net: Fast Shape-based Network for Category-Level 6D Object Pose Estimation with Decoupled Rotation Mechanism [49.89268018642999]
  6次元ポーズ推定のための効率的なカテゴリレベルの特徴抽出が可能な高速形状ベースネットワーク(FS-Net)を提案する。 提案手法は,カテゴリレベルおよびインスタンスレベルの6Dオブジェクトのポーズ推定における最先端性能を実現する。
  論文  参考訳（メタデータ） (2021-03-12T03:07:24Z)
• Shape Prior Deformation for Categorical 6D Object Pose and Size Estimation [62.618227434286]
  RGB-D画像から見えないオブジェクトの6Dポーズとサイズを復元する新しい学習手法を提案する。 本研究では,事前学習したカテゴリ形状からの変形を明示的にモデル化することにより,3次元オブジェクトモデルを再構築するディープネットワークを提案する。
  論文  参考訳（メタデータ） (2020-07-16T16:45:05Z)
• Monocular Human Pose and Shape Reconstruction using Part Differentiable Rendering [53.16864661460889]
  近年の研究では、3次元基底真理によって教師されるディープニューラルネットワークを介してパラメトリックモデルを直接推定する回帰に基づく手法が成功している。 本稿では,ボディセグメンテーションを重要な監視対象として紹介する。 部分分割による再構成を改善するために,部分分割により部分ベースモデルを制御可能な部分レベル微分可能部を提案する。
  論文  参考訳（メタデータ） (2020-03-24T14:25:46Z)

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。