通过可微代理投票损失估计 6DoF 物体位姿
计算机视觉与模式识别
2020-05-06 v2
摘要
从单张图像估计 6DOF 物体位姿因遮挡或无纹理外观而极具挑战性。基于向量场的关键点投票已在应对这些问题上展现出有效性与优越性。然而，直接回归向量场忽视了像素与关键点之间的距离也会显著影响假设偏差。换言之，当像素远离关键点时，方向向量中的小误差可能产生严重偏离的假设。本文旨在通过将被像素与关键点之间的距离纳入目标函数来减少此类误差。为此，我们提出了一种简单而有效的可微代理投票损失(DPVL)，其模拟投票过程中的假设选择。利用该投票损失，我们能够以端到端方式训练网络。在广泛使用的数据集即 LINEMOD 和 Occlusion LINEMOD 上的实验表明，我们的 DPVL 显著提升了位姿估计性能并加速了训练收敛。
引用
@article{arxiv.2002.03923,
title = {6DoF Object Pose Estimation via Differentiable Proxy Voting Loss},
author = {Xin Yu and Zheyu Zhuang and Piotr Koniusz and Hongdong Li},
journal= {arXiv preprint arXiv:2002.03923},
year = {2020}
}