DR-WLC：通过观看、学习与核查实现目标检测与位姿估计的降维认知
计算机视觉与模式识别
2023-01-18 v1
摘要
目标检测与位姿估计是机器人与自动驾驶中的困难任务。现有目标检测与位姿估计方法多采用同维数据进行训练。例如，2D 目标检测通常需要大量高成本的 2D 标注数据。利用高维信息监督低维任务是减小数据集规模的可行途径。本工作中，提出了 DR-WLC，一种可同时执行目标检测与位姿估计任务的降维认知模型。该模型仅需物体的 3D 模型与无标注环境图像（含或不含物体）即可完成训练。此外，还提出了一种边界框生成策略，以建立 3D 模型与 2D 目标检测任务间的关系。实验表明，我们的方法无需任何人工标注即可胜任工作，且易于部署于实际应用。源代码见 https://github.com/IN2-ViAUn/DR-WLC。
引用
@article{arxiv.2301.06944,
title = {DR-WLC: Dimensionality Reduction cognition for object detection and pose estimation by Watching, Learning and Checking},
author = {Yu Gao and Xi Xu and Tianji Jiang and Siyuan Chen and Yi Yang and Yufeng Yue and Mengyin Fu},
journal= {arXiv preprint arXiv:2301.06944},
year = {2023}
}