Erlernen eines kategoriespezifischen Objektposenschätzers ohne Positionsannotationen
Wir schlagen eine Methode vor, um einen kategoriespezifischen 3D-Objektposenschätzer ohne Verwendung von Positionsannotationen zu erlernen. Stattdessen nutzen wir diffusionsbasierte Modelle, um Bildmengen mit kontrollierten Positionsunterschieden zu generieren, und lernen unseren Posenschätzer anhand dieser Bilder.
Trainingsfreie Nullschuss-6D-Posenschätzung mit geometrischen und visuellen Grundlagenmodellen
FreeZe nutzt die Fähigkeiten von vortrainierten geometrischen und visuellen Grundlagenmodellen, um diskriminative 3D-Punktbeschreibungen zu erzeugen und die 6D-Pose unbekannter Objekte ohne jegliches Training zu schätzen.
Großer Datensatz mit Posenannotationen in unübersichtlichen Umgebungen
PACE ist ein großer Benchmark-Datensatz, der entwickelt wurde, um die Entwicklung und Bewertung von Methoden zur Posenschätzung in unübersichtlichen Szenarien voranzubringen.
6D-Objektposenschätzung mit geometriebewusstem Transformer
Unser Ansatz TransPose nutzt einen geometriebewussten Transformer-Encoder, um lokale und globale geometrische Merkmale aus Punktwolken effektiv zu extrahieren und für die 6D-Objektposenschätzung zu verwenden.
Präzise und robuste Objektposenschätzung durch Stimmenaggregation mit Berücksichtigung von Unsicherheiten
Eine neuartige Methode zur Objektposenschätzung, die auf einer probabilistischen Modellierung der Stimmenunsicherheit und der Verwendung von N-Punkt-Tupeln aufbaut, um die Robustheit und Genauigkeit gegenüber herkömmlichen Ansätzen zu verbessern.
Adaptives und geometriebasiertes Keypoint-Lernen für kategoriebasierte 6D-Objektposenschätzung
Das vorgeschlagene Verfahren AG-Pose nutzt eine adaptive Erkennung von Keypoints und eine geometriebasierte Merkmalsaggregation, um robuste Keypoint-Korrespondenzen für die Posenschätzung auf unbekannten Instanzen zu etablieren.
Effiziente Verarbeitung und Analyse von Inhalten zur Gewinnung von Erkenntnissen: Aggregation von Diffusionsmerkmalen für die Objektposenschätzung
Durch die Aggregation von Merkmalen aus Diffusionsmodellen können diskriminative Merkmale generiert werden, die eine starke Generalisierungsfähigkeit für die Objektposenschätzung aufweisen.
Kategoriebasierte 6D-Objektposenschätzung durch SE(3)-konsistente Fusion von semantischen und geometrischen Merkmalen
Wir präsentieren SecondPose, einen neuartigen Ansatz, der semantische Merkmale aus DINOv2 mit hierarchischen geometrischen Merkmalen fusioniert, um eine SE(3)-konsistente Objektrepräsentation zu schaffen, die die Leistung der Posenschätzung deutlich verbessert.
Sichtbarkeitsbasierte Schlüsselpunktlokalisierung für 6DoF-Objektposenschätzung
Durch die Lokalisierung wichtiger Schlüsselpunkte basierend auf ihrer Sichtbarkeit können zuverlässigere 3D-2D-Korrespondenzen für die 6DoF-Objektposenschätzung etabliert werden.
Effiziente Lokalisierung sichtbarer Schlüsselpunkte zur 6D-Objektposenschätzung
Durch die Lokalisierung wichtiger Schlüsselpunkte in Bezug auf deren Sichtbarkeit können zuverlässigere 3D-2D-Korrespondenzen für die 6D-Objektposenschätzung etabliert werden.
© 2024 by Linnk AI