RGB-D图像中3D物体姿态的推断
计算机视觉与模式识别
2015-02-17 v1
摘要
本工作的目标是在RGB-D场景中用来自库的相应3D模型替换物体。我们通过首先使用Gupta等人[13]的方法检测和分割场景中的物体实例来处理此问题。我们使用卷积神经网络（CNN）预测物体的姿态。该CNN利用包含渲染合成物体的图像中的像素法向进行训练。在真实数据上测试时，它优于在真实数据上训练的其他算法。然后，我们利用该粗略姿态估计以及推断出的像素支持，将少量原型模型与数据对齐，并将拟合最好的模型放入场景中。我们观察到在3D检测任务上相对于当前最先进水平(state-of-the-art) [33]有48%的相对性能提升，同时速度还快一个数量级。
引用
@article{arxiv.1502.04652,
title = {Inferring 3D Object Pose in RGB-D Images},
author = {Saurabh Gupta and Pablo Arbeláez and Ross Girshick and Jitendra Malik},
journal= {arXiv preprint arXiv:1502.04652},
year = {2015}
}
备注
13 pages, 8 figures, 4 tables