FLOPs感知的门控可微神经网络架构搜索用于高效6DoF姿态估计
计算机视觉与模式识别
2026-01-21 v1
摘要
我们提出了FPG-NAS，这是一个面向高效6DoF物体姿态估计的FLOPs感知的门控可微神经网络架构搜索框架。单张图像估计3D旋转和平移的任务已被广泛研究，但仍计算密集，限制了在资源受限场景中的应用。FPG-NAS通过提出一种针对6DoF姿态估计的专用可微NAS方法来解决此问题，该方法具备任务特定的搜索空间和一种可微门控机制，能够实现离散多候选算子选择，从而提升架构多样性。此外，引入FLOPs正则化项以实现准确性与效率之间的平衡。该框架探索了约10^92种可能的架构组合。在LINEMOD和SPEED+数据集上的实验表明，FPG-NAS生成的模型在严格的FLOPs约束下优于先前方法。据我们所知，FPG-NAS是首个专为6DoF物体姿态估计设计的可微NAS框架。
引用
@article{arxiv.2508.03618,
title = {FPG-NAS: FLOPs-Aware Gated Differentiable Neural Architecture Search for Efficient 6DoF Pose Estimation},
author = {Nassim Ali Ousalah and Peyman Rostami and Anis Kacem and Enjie Ghorbel and Emmanuel Koumandakis and Djamila Aouada},
journal= {arXiv preprint arXiv:2508.03618},
year = {2026}
}
备注
Accepted to the 27th IEEE International Workshop on Multimedia Signal Processing (MMSP) 2025