Grunnleggende konsepter
自己教師付き学習による多対象形状再構築と姿勢推定のための拡散駆動ネットワークを紹介します。
Sammendrag
この記事は、完全な教師付きカテゴリレベルの姿勢推定が、既知のカテゴリから未知のインスタンスの6DoFポーズを決定することを目指しています。最近、さまざまな自己教師付きカテゴリレベルの姿勢推定手法が提案されており、アノテーションされたデータセットの要件を減らすことができます。しかし、ほとんどの手法は自己教師付きトレーニングに合成データや3D CADモデルを使用しており、単一オブジェクトポーズ問題に対処するだけであり、複数オブジェクティブタスクや形状再構築を考慮していません。これらの課題と制限に対処するために、形状事前情報だけを活用してマルチオブジェクト形状再構築とカテゴリレベルのポーズ推定向けに拡散駆動型自己教師付きネットワークを導入します。
INTRODUCTION
オブジェクト6DoF(Degrees-of-Freedom)ポーズ推定はコンピュータビジョンやロボティクスなどの現実世界アプリケーションで長年問題となっています。
現在、ほとんどの既存作品は高価な手動ポーズラベルや正確な3D CADモデルに大きく依存しています。
最近の研究では、広範囲なラベリングを必要としないため、自己教師付き[1]、[2]、[3]、[4]、[5]や半教師付き[6]および弱教師付き[7]方法が探求されています。
RELATED WORK
自己教師付き学習はさまざまな領域で応用されており...
一部の作品は弱い監督または半監督的方法で物体の姿勢をカバーしようとします。
METHOD
問題設定および記号: この作業の目的は...
ネットワークアーキテクチャ: 当社のネットワークは3つのサブモジュールから構成されています...
Sitater
"Extensive experiments conducted on four public datasets and a self-built dataset demonstrate that our method significantly outperforms state-of-the-art self-supervised category-level baselines and even surpasses some fully-supervised instance-level and category-level methods."