MAPRPose：面向多目标6D姿态估计的掩码感知提议与非模态优化
计算机视觉与模式识别
2026-04-23 v1
摘要
杂乱场景中的6D物体姿态估计由于严重的遮挡和传感器噪声仍然具有挑战性。我们提出MAPRPose，一个两阶段框架，利用掩码感知对应关系进行姿态提议，并利用非模态驱动的感兴趣区域（ROI）预测进行鲁棒优化。在掩码感知姿态提议（MAPP）阶段，我们将2D对应关系提升到3D空间，以建立可靠的关键点匹配，并基于对应关系级别的评分生成几何一致的姿态假设，从中选择前个候选。在优化阶段，我们引入了一个张量化的渲染与比较管线，该管线集成了一个非模态掩码预测与ROI重对齐（AMPR）模块。通过重建完整的物体几何并动态调整ROI，AMPR减轻了严重遮挡下的定位误差和空间错位。此外，我们的GPU加速RGB-XYZ重投影能够在单次前向传递中同时优化所有个姿态假设。在BOP基准上的评估显示，MAPRPose实现了76.5%的最先进平均召回率（AR），比FoundationPose高出3.1%的AR，同时在多物体推理中实现了43倍的加速。
引用
@article{arxiv.2604.20650,
title = {MAPRPose: Mask-Aware Proposal and Amodal Refinement for Multi-Object 6D Pose Estimation},
author = {Yang Luo and Yan Gong and Yongsheng Gao and Xiaoying Sun and Jie Zhao},
journal= {arXiv preprint arXiv:2604.20650},
year = {2026}
}