FAST GDRNPP：提高先进6D物体姿态估计速度
计算机视觉与模式识别
2024-09-20 v1 人工智能
摘要
6D物体姿态估计涉及确定物体在场景内以及相对于选定坐标系的三维平移和旋转。对于许多实际应用中的工业任务（如质量控制、 bin picking 和机器人操作）特别感兴趣，其中速度和精度对于实际部署至关重要。当前模型，无论是经典模型还是基于深度学习的模型，往往在准确性和延迟之间难以权衡。我们的研究聚焦于提高流行的先进深度学习模型GDRNPP的速度，同时保持其高准确性。我们采用多种技术来减小模型规模并提高推理速度，包括使用更小更快的骨干网络、修剪不必要的参数，以及通过知识蒸馏将来自大型高性能模型的知识传递到更小更高效的学生模型。我们的发现表明，所提配置在保持与先进技术相当的准确性的同时，显著提高了推理速度。这一突破可能导致在各种工业场景中更高效、更实用的应用，从而增强6D物体姿态估计模型在实际环境中应用的整体可行性。
引用
@article{arxiv.2409.12720,
title = {FAST GDRNPP: Improving the Speed of State-of-the-Art 6D Object Pose Estimation},
author = {Thomas Pöllabauer and Ashwin Pramod and Volker Knauthe and Michael Wahl},
journal= {arXiv preprint arXiv:2409.12720},
year = {2024}
}