MSDA：面向 6D 物体位姿估计的单目自监督域适应方法
计算机视觉与模式识别
2023-02-16 v1
摘要
从真实图像中获取带标注的 6D 位姿是一项昂贵且耗时的任务。尽管大量合成 RGB 图像易于获取，但在其上训练的模型会因合成到真实的域差距而出现明显的性能下降。为缓解这一下降，我们提出了一种实用的自监督域适应方法，该方法利用真实 RGB(-D) 数据而无需真实位姿标签。我们首先用合成 RGB 图像预训练模型，然后利用真实 RGB(-D) 图像微调预训练模型。微调过程由基于 RGB 的位姿感知一致性与深度引导的物体距离伪标签进行自监督，无需耗时的在线可微渲染。我们基于近期位姿估计器 SC6D 构建域适应方法，并在 YCB-Video 数据集上评估。实验表明，我们的方法取得了与其全监督对应方法相当的性能，同时优于现有的 SOTA 方法。
引用
@article{arxiv.2302.07300,
title = {MSDA: Monocular Self-supervised Domain Adaptation for 6D Object Pose Estimation},
author = {Dingding Cai and Janne Heikkilä and Esa Rahtu},
journal= {arXiv preprint arXiv:2302.07300},
year = {2023}
}
备注
SCIA2023