如何追踪你的龙：一种用于实时 RGB-D 6自由度物体位姿追踪的多注意力框架
计算机视觉与模式识别
2020-09-16 v3
摘要
我们提出了一种新颖的多注意力卷积架构，以解决单已知物体的实时 RGB-D 6D 物体位姿追踪问题。该问题源于物体本身特性及其与环境的交互，带来多重挑战，以往方法未能充分应对。所提框架通过将多个并行软空间注意力模块集成到多任务卷积神经网络（CNN）架构中，封装了处理背景杂波与遮挡的方法。此外，我们考虑了物体 3D 模型与位姿空间的特殊几何属性，并在训练期间采用更复杂的数据增强方法。给出的实验结果证实了该多注意力架构的有效性：在迄今为 RGB-D 物体追踪问题设计的最完整数据集上测试时，其将最先进（SoA）追踪性能平均提升了平移 34.03% 与旋转 40.01%。
引用
@article{arxiv.2004.10335,
title = {How to track your dragon: A Multi-Attentional Framework for real-time RGB-D 6-DOF Object Pose Tracking},
author = {Isidoros Marougkas and Petros Koutras and Nikos Kardaris and Georgios Retsinas and Georgia Chalvatzaki and Petros Maragos},
journal= {arXiv preprint arXiv:2004.10335},
year = {2020}
}
备注
14 pages, accepted at the 6th Workshop on Recovering 6D Object Pose of the ECCV 2020