从有限数据学习估计六自由度位姿：一种基于 RGB 图像的少样本可泛化方法
计算机视觉与模式识别
2023-06-14 v1
摘要
六自由度（6DoF）物体位姿的准确估计对机器人与增强现实诸多应用至关重要。然而，现有 6DoF 位姿估计方法常依赖 CAD 模板或密集支持视图，限制了其在真实场景中的实用性。本研究提出一种称为 Cas6D 的新型级联框架，用于少样本、可泛化的 6DoF 位姿估计，且仅使用 RGB 图像。为应对极端少样本设定下目标物体检测的误检，我们的框架利用自监督预训练的 ViT 学习鲁棒特征表示。随后，基于相似度分数初始化最邻近的 top-K 位姿候选，并使用特征金字塔细化初始位姿，以构建并更新级联扭曲特征体，其在越来越精细的尺度上编码上下文。通过对位姿搜索范围进行多区间离散化，并利用前一阶段预测逐阶段缩小位姿搜索范围，Cas6D 能克服位姿候选与真实位姿间的大差距，而这是稀疏视图场景中的常见失效模式。在 LINEMOD 与 GenMOP 数据集上的实验结果表明，在 32-shot 设定下，相比 OnePose++ 与 Gen6D，Cas6D 的准确度（Proj-5）分别高出最先进方法 9.2% 与 3.8%。
引用
@article{arxiv.2306.07598,
title = {Learning to Estimate 6DoF Pose from Limited Data: A Few-Shot, Generalizable Approach using RGB Images},
author = {Panwang Pan and Zhiwen Fan and Brandon Y. Feng and Peihao Wang and Chenxin Li and Zhangyang Wang},
journal= {arXiv preprint arXiv:2306.07598},
year = {2023}
}