GS-Pose：基于三维高斯溶解的通用分割式6D物体姿态估计
计算机视觉与模式识别
2024-08-15 v2
摘要
本文介绍了GS-Pose，一个用于定位和估计新颖物体6D姿态的统一框架。GS-Pose开始时针对某个先前未见过的物体，利用一组已标定的RGB图像，构建并存储三种不同的表示。推理阶段，GS-Pose依次按照以下步骤工作：首先定位输入图像中的物体，其次利用检索方法估计其初始6D姿态，最后通过渲染比较方法对姿态进行细化。关键思想在于在整个过程中依据不同阶段应用合适的物体表示。特别是针对细化步骤，我们利用三维高斯溶解技术，这是一种新型可微分渲染技术，具有高渲染速度和相对较低的优化时间。可以使用现成的工具链和普通硬件（如手机）来捕获新的物体以添加到数据库中。在LINEMOD和OnePose-LowTexture数据集上的大规模评估表明，GS-Pose性能卓越，建立了新的学习基准。项目页面：https://dingdingcai.github.io/gs-pose。
引用
@article{arxiv.2403.10683,
title = {GS-Pose: Generalizable Segmentation-based 6D Object Pose Estimation with 3D Gaussian Splatting},
author = {Dingding Cai and Janne Heikkilä and Esa Rahtu},
journal= {arXiv preprint arXiv:2403.10683},
year = {2024}
}
备注
Project Page: https://dingdingcai.github.io/gs-pose