論文の概要: PnP-Transformer: A Neural Pose Solver for Zero-Shot 6D Object Pose Estimation

• arxiv url: http://arxiv.org/abs/2610.26096v2
• Date: Tue, 20 Oct 2026 08:21:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.337222
• Title: PnP-Transformer: A Neural Pose Solver for Zero-Shot 6D Object Pose Estimation
• Title（参考訳）: PnP変換器: ゼロショット6次元オブジェクトポス推定のためのニューラル・ポス・ソルバー
• Abstract要約: 本稿では,従来のSAC-RANアルゴリズムに代えて,反復的自由かつ微分可能な代用として設計されたポーズ解決器であるTransform-Transformerを提案する。 Transform-Transformerは、信頼スコアとともに予測された2D-3D対応フィールドを処理することで、6Dオブジェクトのポーズを回帰する。 7つのコアBOPベンチマークデータセット上で、低レイテンシ (0.46 s/obj) で平均ARスコアが41.2%に達する。
• 参考スコア（独自算出の注目度）: 1.2891210250935143
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present PnP-Transformer, a neural pose solver designed as an iterative-free, differentiable alternative to classical PnP-RANSAC algorithms. PnP-Transformer regresses the 6D object pose by processing predicted semi-dense 2D-3D correspondence fields alongside confidence scores, while mapping geometric inputs into a continuous latent space. To evaluate its practical utility, we integrate PnP-Transformer into a zero-shot 6D pose estimation pipeline, where the correspondence module and pose solver are trained separately. PnP-Transformer achieves a 41.2% mean AR score with low latency (0.46 s/obj) on seven core BOP benchmark datasets, surpassing all prior baselines (such as RayPose with 39.1% AR) but one (Co-op with 58.4% AR). When the pose solver is replaced with EPnP-RANSAC (similar to Co-op) while keeping the correspondence module unchanged, the RANSAC alternative outperforms PnP-Transformer on six of the seven datasets by reaching 52.2% mean AR at a cost of an additional 60 ms per object, revealing an accuracy-latency trade-off. Code and pretrained models are available at https://github.com/ebylmz/pnp-transformer.
• Abstract（参考訳）: 本稿では,従来のPnP-RANSACアルゴリズムに代えて,反復的自由かつ微分可能な代用として設計されたニューラルポーズ解決器であるPnP-Transformerを提案する。 PnP-Transformerは、予測された半密度2D-3D対応フィールドを信頼スコアと共に処理し、幾何学的入力を連続的な潜伏空間にマッピングすることで、6Dオブジェクトのポーズを回帰する。 その実用性を評価するため、PnP-Transformerをゼロショット6Dポーズ推定パイプラインに統合し、対応モジュールとポーズソルバを個別に訓練する。 PnP-Transformerは7つのコアBOPベンチマークデータセットで41.2%の平均ARスコアを低レイテンシ(0.46 s/obj)で達成し、以前のベースライン(39.1% ARのRayPoseなど)を上回り、1つ(58.4% ARのCo-op)を上回ります。 ポーズソルバをEPnP-RANSAC(コオップに似ている)に置き換えると、RANSACの代替手段は、7つのデータセットのうち6つのPnP-Transformerを52.2%の平均ARに1オブジェクトあたり60ミリ秒のコストで上回り、精度と遅延のトレードオフを明らかにする。 コードと事前訓練されたモデルはhttps://github.com/ebylmz/pnp-transformer.comで入手できる。

関連論文リスト

• GroundAnything: Reconciling Parallel Decoding with Precise Visual Grounding at Flash Speed [71.05944634852158]
  GroundAnythingはブロックワイズによる正確なローカライゼーションで高速並列デコーディングを再構成する。 30のグラウンドベンチマークで、私たちの自己回帰型であるGroundAnything-VLMは、この技術の新たな全体的な状態を確立します。 エントロピー誘導復号法により、GroundAnythingは、この規模の芸術の先行状態を超越している。
  論文  参考訳（メタデータ） (2026-09-30T12:20:51Z)
• 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)
• TinyDETR-Pose: Towards End-to-End Real-Time Single-Stage 6DoF Object Pose Estimation with Lightweight Transformers [11.190709946582166]
  本稿では,TinyDETR-Poseについて述べる。 TinyDETR-Poseは6Dのポーズを1つのフォワードパスで回帰する。 YCB-V では、TinyDETR-Pose は ADD-S AUC 85.9 と同等であり、他の DETR ベースのシングルステージポーズ推定手法よりも最大 7 個のパラメータを必要とする。
  論文  参考訳（メタデータ） (2026-08-15T16:02:51Z)
• Geo6DPose: Fast Zero-Shot 6D Object Pose Estimation via Geometry-Filtered Feature Matching [0.0]
  Geo6DPoseは、ゼロショット6Dポーズ推定のための軽量で、完全にローカルで、トレーニング不要なパイプラインである。 Geo6DPoseは、1つのコモディティGPU上で、はるかに大きなゼロショットベースラインの平均リコールをマッチングしながら、サブ秒の推論を実現する。
  論文  参考訳（メタデータ） (2025-12-11T14:20:17Z)
• iGaussian: Real-Time Camera Pose Estimation via Feed-Forward 3D Gaussian Splatting Inversion [62.09575122593993]
  iGaussianは2段階のフィードフォワードフレームワークで、直接3Dガウス変換によるリアルタイムカメラポーズ推定を実現する。 NeRF Synthetic, Mip-NeRF 360, T&T+DB データセットの実験結果から, 従来の手法に比べて大幅な性能向上が得られた。
  論文  参考訳（メタデータ） (2025-11-18T05:22:22Z)
• SDPose: Tokenized Pose Estimation via Circulation-Guide Self-Distillation [53.675725490807615]
  SDPoseは小型変圧器モデルの性能向上のための新しい自己蒸留法である。 SDPose-Tは4.4Mパラメータと1.8 GFLOPを持つ69.7%のmAPを取得し、SDPose-S-V2はMSCOCO検証データセット上で73.5%のmAPを取得する。
  論文  参考訳（メタデータ） (2024-04-04T15:23:14Z)
• PViT-6D: Overclocking Vision Transformers for 6D Pose Estimation with Confidence-Level Prediction and Pose Tokens [0.0]
  分類トークンのカスタマイズによる直接6次元ポーズ推定のための視覚変換器の機能について検討する。 また、ほとんどの6次元ポーズ推定フレームワークに簡単に組み込むことができる、ポーズの信頼度を決定するための簡単な方法も導入する。
  論文  参考訳（メタデータ） (2023-11-29T10:27:56Z)
• PnP-DETR: Towards Efficient Visual Analysis with Transformers [146.55679348493587]
  近年、DeTRはトランスフォーマーを用いたソリューションビジョンタスクの先駆者であり、画像特徴マップを直接オブジェクト結果に変換する。 最近の変圧器を用いた画像認識モデルとTTは、一貫した効率向上を示す。
  論文  参考訳（メタデータ） (2021-09-15T01:10:30Z)
• SO-Pose: Exploiting Self-Occlusion for Direct 6D Pose Estimation [98.83762558394345]
  SO-Poseは、オブジェクトの6自由度(6DoF)をすべて、単一のRGBイメージから散らばった環境でポーズさせるフレームワークである。 本稿では,3次元オブジェクトの2層表現を確立するために,自己閉塞に関する新たな推論を導入する。 対応性,自己閉塞性,6次元ポーズを整列する層間合成により,精度とロバスト性をさらに向上させることができる。
  論文  参考訳（メタデータ） (2021-08-18T19:49:29Z)
• Uncertainty-Aware Camera Pose Estimation from Points and Lines [101.03675842534415]
  Perspective-n-Point-and-Line (Pn$PL) は、2D-3D特徴座標の3Dモデルに関して、高速で正確で堅牢なカメラローカライゼーションを目指している。
  論文  参考訳（メタデータ） (2021-07-08T15:19:36Z)
• 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。