GenFlow：面向新物体 6D 位姿精修的可泛化循环光流
计算机视觉与模式识别
2024-03-19 v1
摘要
尽管基于学习的 6D 物体位姿估计方法取得了进展，但在新物体上的精度与可扩展性之间仍存在权衡。具体而言，以往针对新物体的方法未能充分利用目标物体的三维形状信息，因为它们侧重于通过间接处理形状来实现泛化，导致效果不佳。我们提出 GenFlow，一种在目标物体形状引导下兼顾精度与新物体泛化能力的方法。该方法预测渲染图像与观测图像之间的光流，并迭代精修 6D 位姿。它通过三维形状约束以及从端到端可微系统学到的可泛化几何知识来提升性能。我们进一步设计了级联网络架构，以利用多尺度相关性和由粗到精的精修过程，从而改进模型。GenFlow 在 RGB 和 RGB-D 两种情形下的未见物体位姿估计基准测试中均排名第一。在未见物体位姿估计上，它无需任何微调即可取得与现有最先进方法相媲美的性能。
引用
@article{arxiv.2403.11510,
title = {GenFlow: Generalizable Recurrent Flow for 6D Pose Refinement of Novel Objects},
author = {Sungphill Moon and Hyeontae Son and Dongcheol Hur and Sangwook Kim},
journal= {arXiv preprint arXiv:2403.11510},
year = {2024}
}