姿态提议评判器：通过学习重投影误差实现鲁棒姿态精修
计算机视觉与模式识别
2020-05-15 v2
摘要
近年来，从单张RGB图像进行刚体物体姿态估计的任务取得了显著进展，但实现对部分遮挡的鲁棒性仍是一个具有挑战性的问题。通过渲染进行姿态精修已展现出取得更优结果的潜力，尤其在数据稀缺时。本文聚焦于姿态精修，并展示了如何在部分遮挡情况下进一步推进最先进水平。所提出的姿态精修方法利用了一个简化的学习任务，其中训练一个CNN来估计观测图像与渲染图像之间的重投影误差。我们使用纯合成数据以及合成与真实数据混合进行实验。在Occlusion LINEMOD基准上，三项指标中有两项超越了当前最先进结果，而第三项指标表现持平。
引用
@article{arxiv.2005.06262,
title = {Pose Proposal Critic: Robust Pose Refinement by Learning Reprojection Errors},
author = {Lucas Brynte and Fredrik Kahl},
journal= {arXiv preprint arXiv:2005.06262},
year = {2020}
}
备注
Added acknowledgements