Co-op：基于对应关系的新颖目标物体姿态估计
计算机视觉与模式识别
2025-03-25 v1
摘要
我们提出 Co-op，一种用于从单张 RGB 图像准确且稳健地估计训练期未见过的目标物体 6DoF 位姿的新方法。该方法仅需目标物体的 CAD 模型，即可精确估计其位姿，无需任何额外微调。虽然现有基于模型的方法因使用大量模板而效率低下，但我们的 method 通过寻找输入图像与预渲染模板之间的半稠密对应关系，实现了快速且精确的估计。通过融合基于 patch 的分类与偏移回归的混合表示，本方法展现出强大的泛化性能。此外，我们的姿态细化模型估计输入图像与渲染图像之间的概率流，利用可微 Differentiable PnP 层对初始估计进行精细化，最终得到准确的位姿。我们在 BOP 挑战的七个核心数据集上进行实验，结果表明该方法不仅能快速估计物体姿态，还以显著优于现有方法的大幅优势实现了最佳的 SOTA 水平。
引用
@article{arxiv.2503.17731,
title = {Co-op: Correspondence-based Novel Object Pose Estimation},
author = {Sungphill Moon and Hyeontae Son and Dongcheol Hur and Sangwook Kim},
journal= {arXiv preprint arXiv:2503.17731},
year = {2025}
}
备注
Accepted at CVPR 2025