利用扩散模型改进 6D 物体位姿估计的 2D-3D 稠密对应关系
计算机视觉与模式识别
2024-02-12 v1
摘要
估计 RGB 图像与 3D 空间之间的 2D-3D 对应关系是 6D 物体位姿估计中的一个基本问题。近期的位姿估计器使用稠密对应图和 Point-to-Point 算法来估计物体位姿。位姿估计的准确性在很大程度上取决于稠密对应图的质量及其抵御遮挡、杂乱和具有挑战性的材质属性的能力。目前，稠密对应图是使用基于 GAN、自编码器或直接回归模型的图像到图像转换模型来估计的。然而，图像到图像转换的最新进展使得扩散模型在基准数据集上评估时成为更优的选择。在本研究中，我们比较了基于 GAN 和扩散模型的图像到图像转换网络在 6D 物体位姿估计这一下游任务中的表现。我们的结果表明，基于扩散的图像到图像转换模型优于 GAN，揭示了 6D 物体位姿估计模型进一步改进的潜力。
引用
@article{arxiv.2402.06436,
title = {Improving 2D-3D Dense Correspondences with Diffusion Models for 6D Object Pose Estimation},
author = {Peter Hönig and Stefan Thalhammer and Markus Vincze},
journal= {arXiv preprint arXiv:2402.06436},
year = {2024}
}
备注
Submitted to the First Austrian Symposium on AI, Robotics, and Vision 2024