Centrala begrepp
Durch die Aggregation von Merkmalen aus Diffusionsmodellen können diskriminative Merkmale generiert werden, die eine starke Generalisierungsfähigkeit für die Objektposenschätzung aufweisen.
Sammanfattning
In dieser Studie wird eine Analyse der ungenauen Objektposenschätzung, insbesondere für unbekannte Objekte, durchgeführt. Die Ergebnisse zeigen, dass die unzureichende Merkmalsgeneralisierung der Hauptgrund für diese Ungenauigkeiten ist. Um diese Herausforderung anzugehen, schlagen wir drei neuartige Aggregationsnetzwerke vor, die speziell darauf ausgelegt sind, Diffusionsmerkmale effektiv zu aggregieren und eine überlegene Generalisierungsfähigkeit für die Objektposenschätzung zu zeigen. Wir evaluieren unsere Methode auf drei Standardbenchmark-Datensätzen und zeigen eine überlegene Leistung und eine verbesserte Generalisierung auf unbekannte Objekte im Vergleich zu bestehenden Methoden.
Statistik
Die Genauigkeit unserer Methode auf dem ungesehenen LM-Datensatz beträgt 98,2%, im Vergleich zu 93,5% der besten vorherigen Methode.
Die Genauigkeit unserer Methode auf dem ungesehenen O-LM-Datensatz beträgt 85,9%, im Vergleich zu 76,3% der besten vorherigen Methode.
Citat
"Durch die Aggregation von Merkmalen aus Diffusionsmodellen können diskriminative Merkmale generiert werden, die eine starke Generalisierungsfähigkeit für die Objektposenschätzung aufweisen."
"Unsere Methode erzielt eine deutlich höhere Genauigkeit als andere Methoden auf ungesehenen Datensätzen, was die starke Generalisierbarkeit unseres Ansatzes zeigt."