BOP 2020 挑战赛：6D 物体定位

本文介绍了 BOP 2020 挑战赛的评估方法、数据集与结果，该赛事是系列公开竞赛中的第三届，旨在刻画基于 RGB-D 图像的 6D 物体姿态估计领域的现状。2020 年，为缩小合成训练与真实测试 RGB 图像之间的域差距，主办方提供了由 BlenderProc4BOP 生成的 35 万张照片级真实感训练图像，这是一种新型开源轻量级基于物理的渲染器（PBR）与程序化数据生成器。基于深度神经网络的方法最终赶上了基于点对特征的方法，后者在此前各届挑战赛中占据主导地位。尽管性能最优的方法依赖 RGB-D 图像通道，但仅在训练与测试时均使用 RGB 通道也取得了强劲结果——在 26 种被评估的方法中，第三种方法在 PBR 与真实图像的 RGB 通道上训练，而第五种仅基于 PBR 图像的 RGB 通道训练。强大的数据增强被认定为性能最优的 CosyPose 方法的关键组成部分，且尽管存在增强，PBR 图像的光照真实感被证明是有效的。在线评估系统保持开放，可在项目网站获取：bop.felk.cvut.cz。