HccePose(BF)：预测前后表面以构建稠密2D-3D对应用于姿态估计
计算机视觉与模式识别
2025-10-15 v2 人工智能
摘要
在目标姿态估计中，常见的流程涉及使用神经网络在2D图像上预测对象的稠密3D坐标，然后用于建立稠密2D-3D对应。然而，当前方法主要关注更高效的编码技术以提高对对象前表面预测坐标的精度，忽视了包含后表面和内部的潜在优势。为更好地利用对象的完整表面和内部，本研究预测对象的前后表面3D坐标，并对其之间的坐标进行稠密采样。这一过程创建了稠密的2D-3D对应，从而有效提升了基于透视点数（PnP）算法的姿态估计精度。此外，我们提出了层次连续坐标编码（HCCE），提供前后表面坐标的更准确和更高效的表示。实验结果表明，与BOP网站上的现有SOTA方法相比，本方法在七个经典BOP核心数据集上均取得优异表现。代码可在 https://github.com/WangYuLin-SEU/HCCEPose 获取。
引用
@article{arxiv.2510.10177,
title = {HccePose(BF): Predicting Front & Back Surfaces to Construct Ultra-Dense 2D-3D Correspondences for Pose Estimation},
author = {Yulin Wang and Mengting Hu and Hongli Li and Chen Luo},
journal= {arXiv preprint arXiv:2510.10177},
year = {2025}
}
备注
International Conference on Computer Vision, ICCV 2025 (Highlight) https://iccv.thecvf.com/virtual/2025/poster/338