CullNet:面向目标位姿估计的校准且位姿感知的置信度分数
计算机视觉与模式识别
2019-10-01 v1
摘要
我们提出一种基于单视图图像的目标位姿估计新方法。具体而言,本文解决了在多个位姿提议估计中剔除误检的问题。我们提出的方法针对许多现有方法用以选择最终目标位姿预测的CNN所预测置信度值不准确的问题。我们提出一个名为CullNet的网络来解决该任务。CullNet以从3D模型渲染的位姿掩码对及原始图像中的裁剪区域作为输入。这随后用于校准位姿提议的置信度分数。如我们的结果所示,这组新的置信度分数对于准确的目标位姿估计显著更可靠。我们在多个具有挑战性的数据集(LINEMOD与Occlusion LINEMOD)上的实验结果反映了我们所提方法的效用。我们的整体位姿估计流程在这些标准目标位姿估计数据集上优于SOTA目标位姿估计方法。我们的代码公开于 https://github.com/kartikgupta-at-anu/CullNet。
引用
@article{arxiv.1909.13476,
title = {CullNet: Calibrated and Pose Aware Confidence Scores for Object Pose Estimation},
author = {Kartik Gupta and Lars Petersson and Richard Hartley},
journal= {arXiv preprint arXiv:1909.13476},
year = {2019}
}
备注
ICCV Workshop on Recovering 6D Object Pose, 2019