GS2POSE：将高斯溅写与 6D 物体姿态估计结合
计算机视觉与模式识别
2025-10-21 v1
摘要
3D 物体的精确 6D 姿态估计是计算机视觉中的一个基本任务，当前研究通常通过建立 2D 图像特征与 3D 模型特征之间的对应关系来预测 6D 姿态。然而，这些方法常常在纹理缺失的物体和不同照明条件下面临困难。为克服这些限制，我们提出了 GS2POSE，一种用于 6D 物体姿态估计的新方法。GS2POSE 基于束调整（BA）原理提出一种姿态回归算法。通过利用李代数，我们扩展了 3DGS 的能力，开发了一种可迭代优化姿态的可微渲染管道，通过比较输入图像与渲染图像来实现姿态优化。此外，GS2POSE 更新 3DGS 模型中的颜色参数，增强其对照明变化的适应性。与以往模型相比，GS2POSE 在 T-LESS、LineMod-Occlusion 和 LineMod 数据集上分别实现了 1.4%、2.8% 和 2.5% 的精度提升。
引用
@article{arxiv.2510.16777,
title = {GS2POSE: Marry Gaussian Splatting to 6D Object Pose Estimation},
author = {Junbo Li and Weimin Yuan and Yinuo Wang and Yue Zeng and Shihao Shu and Cai Meng and Xiangzhi Bai},
journal= {arXiv preprint arXiv:2510.16777},
year = {2025}
}