基于条件流匹配的生成式 6D 位姿估计
计算机视觉与模式识别
2026-02-24 v1
摘要
现有的实例级 6D 位姿估计方法通常依赖直接回归 中的姿态或通过局部特征匹配间接估计的神经网络。前者在处理物体对称性方面困难，而后者在缺乏显著局部特征时会失败。为克服这些限制，我们将 6D 位姿估计提出为 中的条件流匹配问题。我们引入 Flose，一种通过局部特征条件化的去噪过程来推断物体姿态的生成方法。虽然基于条件流匹配的先前方法仅依据几何引导进行去噪，但 Flose 集成了基于外观的语义特征，以缓解因物体对称性导致的歧义。我们进一步采用基于 RANSAC 的配准来处理离群点。在来自已建立 BOP 基准的五个数据集上验证 Flose。实验结果表明，Flose 在平均 Recall 上提升了 +4.5。项目网站：https://tev-fbk.github.io/Flose/
引用
@article{arxiv.2602.19719,
title = {Generative 6D Pose Estimation via Conditional Flow Matching},
author = {Amir Hamza and Davide Boscaini and Weihang Li and Benjamin Busam and Fabio Poiesi},
journal= {arXiv preprint arXiv:2602.19719},
year = {2026}
}
备注
Project Website : https://tev-fbk.github.io/Flose/