Core Concepts
多段階の6Dオブジェクトポーズ推定アプローチに深層アンサンブルを適用し、予測された不確実性を評価する。
Abstract
6Dオブジェクトポーズ推定は重要なタスクであり、安全な決定には不確実性も考慮する必要がある。
深層アンサンブルはよくキャリブレートされており、提案されたUCSメトリックは回帰タスクの不確実性評価に有用である。
PoseRBPFやEPro-PnPなどの新しい手法が提案されており、ネットワークアーキテクチャと訓練データに敏感な単一決定論的手法と比較して、深層アンサンブルはロバストであることが示唆されている。
Stats
ソフトマックス確率やMonte-Carlo Dropout、Deep EnsemblesなどのUQ方法が使用されている。
モデルの初期化スキームやスコアリング規則、敵対的トレーニングなどが述べられている。