利用隐式表示进行透明物体姿态估计
计算机视觉与模式识别
2024-10-18 v1
摘要
物体姿态估计是计算机视觉中的一项重要任务。物体姿态给出了物体在真实世界空间中的方向和位置，从而支持各种应用，如操作、增强现实等。不同物体对光表现出不同的特性，例如反射、吸收等。这使得在RGB和深度通道中理解物体结构具有挑战性。最近的研究正转向基于学习的方法，这些方法利用深度学习为物体姿态估计提供了更灵活和更具泛化性的途径。其中一种方法是渲染-比较方法，该方法从多个视角渲染物体，并将其与给定的2D图像进行比较，这通常需要以CAD模型的形式表示物体。我们认为CAD模型的合成纹理可能不是渲染和比较操作的理想选择。我们证明，如果物体以神经辐射场(NeRF)的形式表示为隐式(神经)表示，它会对实际场景产生更逼真的渲染，并保留关键的空间特征，从而使比较更加通用。我们在透明数据集上评估了我们的NeRF实现的渲染-比较方法，发现它超越了当前最先进的结果。
引用
@article{arxiv.2410.13465,
title = {Object Pose Estimation Using Implicit Representation For Transparent Objects},
author = {Varun Burde and Artem Moroz and Vit Zeman and Pavel Burget},
journal= {arXiv preprint arXiv:2410.13465},
year = {2024}
}