サインイン
インサイト - 물체 자세 추정
정확한 6D 물체 자세 추정을 위한 기하학 인지 Transformer
본 연구는 점군 데이터의 국부적 및 전역적 기하학 특징을 효과적으로 추출하고 활용하여 정확한 6D 물체 자세 추정을 달성하는 것을 목표로 한다.
단일 이미지에서 새로운 물체의 자세 추정
단일 참조 이미지만으로 새로운 물체의 상대적 3D 자세를 예측하고 자세 모호성을 식별할 수 있는 방법을 제안한다.
합성 데이터만으로 실세계 물체 자세 추정 향상을 위한 투표 집계 기반의 불확실성 인식 방법
본 논문은 실세계 물체 자세 추정을 위해 합성 데이터만을 활용하는 새로운 방법인 CPPF++를 제안한다. CPPF++는 기존 CPPF 방법의 투표 기반 접근법을 확장하여 투표 과정의 불확실성을 모델링하고, N-point 튜플 특징을 활용하며, 노이즈 쌍 필터링과 온라인 정렬 최적화 등의 혁신적인 모듈을 도입하여 성능을 크게 향상시켰다.
카테고리 수준 6D 물체 자세 추정을 위한 인스턴스 적응형 및 기하학적 인지 키포인트 학습
본 연구는 인스턴스 적응형 키포인트 검출 모듈과 기하학적 인지 특징 집계 모듈을 제안하여, 다양한 형상 변화를 가진 미지의 인스턴스에 대해 강건한 키포인트 수준 대응을 달성함으로써 카테고리 수준 6D 물체 자세 추정 성능을 향상시킨다.
단일 참조 이미지로 알 수 없는 물체의 상대적 자세 추정
DVMNet은 가설 기반 접근법 없이 RGB 이미지에서 직접 3D 볼륨을 추출하고 이를 활용하여 알 수 없는 물체의 상대적 자세를 효율적으로 추정한다.
© 2024 by Linnk AI