基于 Savitzky-Golay 神经控制微分方程的连续时间 SO(3) 预测
计算机视觉与模式识别
2025-06-10 v1 机器学习
摘要
跟踪和预测物体旋转是计算机视觉和机器人学中的基本问题，但 SO(3) 外推仍具有挑战性，因为 (1) 传感器观测可能噪声较大且稀疏， (2) 运动模式可能受复杂动力学控制， (3) 应用场景可能需要长期预测。本工作提出使用由 Savitzky-Golay 路径引导的神经控制微分方程对 上的连续时间旋转物体动力学进行建模。与依赖简化运动假设的现有方法不同，本方法在尊重旋转几何结构的同时学习底层物体轨迹的通用潜在动力学系统。实验在真实数据上的结果表明，本方法在预测能力上优于现有方法。
引用
@article{arxiv.2506.06780,
title = {Continuous-Time SO(3) Forecasting with Savitzky--Golay Neural Controlled Differential Equations},
author = {Lennart Bastian and Mohammad Rashed and Nassir Navab and Tolga Birdal},
journal= {arXiv preprint arXiv:2506.06780},
year = {2025}
}
备注
Extended abstract, presented at the CVPR Workshop on 4D Vision