COG：面向无监督单参考视角新物体姿态估计的置信度感知最优几何对应
计算机视觉与模式识别
2026-03-03 v1
摘要
估计新物体的6自由度姿态 pose 面临遮挡、视角变化和离群点等挑战。核心难点在于寻找鲁棒的跨视图对应关系，因为现有方法常依赖离散的一对一匹配，难以实现可微设计且易聚焦于稀疏关键点。我们提出置信度感知最优几何对应 (COG) 方法，构建无监督框架，将对应估计问题形式化为置信度感知的最优传输问题。COG 通过预测点级置信度并将其注入为最优传输边际，生成平衡的软对应，从而抑制非重叠区域。视觉基础模型提供的语义先验进一步正则化对应关系，实现稳定的姿态估计。该设计将置信度融入对应寻找与姿态估计流程，实现无监督学习。实验表明，无监督 COG 的性能可与监督方法持平，而监督 COG 还能超越它们。
引用
@article{arxiv.2603.00493,
title = {COG: Confidence-aware Optimal Geometric Correspondence for Unsupervised Single-reference Novel Object Pose Estimation},
author = {Yuchen Che and Jingtu Wu and Hao Zheng and Asako Kanezaki},
journal= {arXiv preprint arXiv:2603.00493},
year = {2026}
}
备注
CVPR2026 Accepted