面向可泛化相对物体位姿估计的 3D 感知假设与验证
计算机视觉与模式识别
2023-10-06 v1 机器人学
摘要
以往解决可泛化物体位姿估计问题的方法高度依赖未见物体的密集视角。相比之下，我们处理仅提供物体单张参考视角的场景。我们的目标则是估计该参考视角与以不同位姿描绘该物体的查询图像之间的相对物体位姿。在此场景下，由于测试时存在未见物体且参考与查询间存在大规模物体位姿变化，鲁棒泛化至关重要。为此，我们提出一种新的假设-验证框架，其中生成并评估多个位姿假设，最终选择最可靠的一个作为相对物体位姿。为度量可靠性，我们引入一种 3D 感知验证，显式地对从两输入图像学到的 3D 物体表示施加 3D 变换。我们在 Objaverse、LINEMOD 和 CO3D 数据集上的综合实验证明了我们的方法在相对位姿估计中的优越精度及其在大规模位姿变化下处理未见物体时的鲁棒性。
引用
@article{arxiv.2310.03534,
title = {3D-Aware Hypothesis & Verification for Generalizable Relative Object Pose Estimation},
author = {Chen Zhao and Tong Zhang and Mathieu Salzmann},
journal= {arXiv preprint arXiv:2310.03534},
year = {2023}
}