ACR-Pose：用于类别级6D物体位姿估计的对抗式规范表示重建网络
计算机视觉与模式识别
2021-11-23 v1 人工智能
摘要
近年来，随着规范3D表示重建的发展，类别级6D物体位姿估计取得了显著改进。然而，现有方法的重建质量仍远未优异。本文提出一种新颖的对抗式规范表示重建网络，名为ACR-Pose。ACR-Pose由重建器与判别器组成。重建器主要由两个新颖子模块构成：位姿无关模块（PIM）与关系重建模块（RRM）。PIM倾向于学习规范相关特征以使重建器对旋转与平移不敏感，而RRM探索不同输入模态间本质的关系信息以生成高质量特征。随后，采用判别器引导重建器生成逼真的规范表示。重建器与判别器通过对抗训练学习优化。在常用NOCS-CAMERA与NOCS-REAL数据集上的实验结果表明，我们的方法达到了当前最优性能。
引用
@article{arxiv.2111.10524,
title = {ACR-Pose: Adversarial Canonical Representation Reconstruction Network for Category Level 6D Object Pose Estimation},
author = {Zhaoxin Fan and Zhengbo Song and Jian Xu and Zhicheng Wang and Kejian Wu and Hongyan Liu and Jun He},
journal= {arXiv preprint arXiv:2111.10524},
year = {2021}
}
备注
13 pages, 9 figures, 7 tables