IST-Net：基于隐式空间变换的无先验类别级位姿估计
计算机视觉与模式识别
2023-07-20 v2
摘要
类别级 6D 位姿估计旨在预测来自特定类别的未见物体的位姿和尺寸。得益于显式地将类别特定的 3D 先验（即 3D 模板）适配到给定物体实例的先验形变，基于先验的方法取得了巨大成功，并成为主要的研究方向。然而，获取类别特定的先验需要收集大量 3D 模型，这耗费人力且在实际中往往难以获得。这促使我们研究先验对于使基于先验的方法有效是否必要。我们的实证研究表明，3D 先验本身并非高性能的原因。关键点实际上是显式形变过程，其在世界空间 3D 模型（也称为规范空间）监督下对齐相机坐标与世界坐标。受这些观察启发，我们引入了一个简单的无先验隐式空间变换网络，即 IST-Net，以将相机空间特征变换为世界空间对应特征，并以不依赖 3D 先验的隐式方式在它们之间建立对应。此外，我们设计了相机空间与世界空间增强器，分别用位姿敏感信息和几何约束来丰富特征。尽管简单，IST-Net 基于无先验设计取得了最先进的性能，并在 REAL275 基准上拥有顶尖的推理速度。我们的代码和模型可在 https://github.com/CVMI-Lab/IST-Net 获取。
引用
@article{arxiv.2303.13479,
title = {IST-Net: Prior-free Category-level Pose Estimation with Implicit Space Transformation},
author = {Jianhui Liu and Yukang Chen and Xiaoqing Ye and Xiaojuan Qi},
journal= {arXiv preprint arXiv:2303.13479},
year = {2023}
}
备注
Accepted by ICCV2023