Concetti Chiave
提案手法は、インスタンス適応型のキーポイント検出と幾何学的に意識的な特徴集約を組み合わせることで、見慣れないインスタンスに対しても頑健な姿勢推定を実現する。
Sintesi
本論文は、カテゴリーレベルの6次元物体姿勢推定のための新しい手法を提案している。
主な特徴は以下の通り:
- インスタンス適応型キーポイント検出モジュール
- カテゴリー共有の学習可能なクエリを使って、インスタンスの特徴に適応的にキーポイントを検出する
- キーポイントの分布を制御するための損失関数を導入し、物体表面上に分散したキーポイントを得る
- 幾何学的に意識的な特徴集約モジュール
- キーポイントの局所的および大域的な幾何情報を効率的に特徴に統合する
- 近傍点との相対位置関係を活用して局所幾何情報を、他のキーポイントとの相対位置関係を活用して大域幾何情報を特徴に組み込む
これらの2つのモジュールを組み合わせることで、見慣れないインスタンスに対しても頑健な姿勢推定が可能となる。
実験結果では、提案手法が既存手法を大きく上回る性能を示している。
Statistiche
物体の3D回転Rと3D並進tおよび大きさsの誤差は、L1ノルムで評価される。
回転誤差5度以内、並進誤差2cm以内の正解率は54.7%である。
回転誤差10度以内、並進誤差2cm以内の正解率は74.7%である。
Citazioni
"カテゴリーレベルの6次元物体姿勢推定の主な課題は、カテゴリー内の大きな形状変化に対する一般化能力の向上である。"
"既存の密な対応ベースの手法は、異なるインスタンスの局所的および大域的な幾何情報を明示的に考慮していないため、大きな形状変化に対する一般化能力が低い。"