DynOPETs：用于动态物体姿态估计与跟踪的灵活基准
计算机视觉与模式识别
2025-07-08 v2
摘要
在物体姿态估计领域，涉及动态物体和移动摄像机的情况十分常见。然而，由于相应的真实世界数据集相对稀缺，显著阻碍了鲁棒姿态估计模型的开发与评估。这主要归因于在移动摄像机捕获的动态场景中准确标注物体姿态的困难。为弥合这一差距，本文提出了新型数据集 DynOPETs，并为此类无约束环境下的物体姿态估计和跟踪构建专门的数据获取与标注管线。我们的高效标注方法创新性地集成了姿态估计与姿态跟踪技术，以生成伪标签，再通过姿态图优化进行细化。 resulting dataset 提供了动态物体由移动摄像机观察到的准确姿态标注。为验证有效性与价值，我们使用 18 种最新方法进行了全面评估，表明其在这一具有挑战性领域具有加速研究的潜力。该数据集将公开提供，以便进一步探索和推动该领域的发展。
引用
@article{arxiv.2503.19625,
title = {DynOPETs: A Versatile Benchmark for Dynamic Object Pose Estimation and Tracking in Moving Camera Scenarios},
author = {Xiangting Meng and Jiaqi Yang and Mingshu Chen and Chenxin Yan and Yujiao Shi and Wenchao Ding and Laurent Kneip},
journal= {arXiv preprint arXiv:2503.19625},
year = {2025}
}