用于自监督 6D 物体姿态估计的伪流一致性
计算机视觉与模式识别
2023-08-22 v1
摘要
大多数自监督 6D 物体姿态估计方法只能配合额外的深度信息工作，或依赖于 2D 分割掩码的精确标注，限制了其应用范围。在本文中，我们提出一种可仅使用纯 RGB 图像且无需任何辅助信息训练的 6D 物体姿态估计方法。我们首先从在目标 3D 网格渲染的合成图像上训练的网络获得粗略姿态初始化。然后，我们引入一种利用来自多个不同视角的合成到真实图像对中几何约束的优化策略。我们将该几何约束表述为具有动态生成伪标签的训练图像间像素级流一致性。我们在三个具有挑战性的数据集上评估了我们的方法，并证明其显著优于最先进（SOTA）的自监督方法，且无需 2D 标注或额外深度图像。
引用
@article{arxiv.2308.10016,
title = {Pseudo Flow Consistency for Self-Supervised 6D Object Pose Estimation},
author = {Yang Hai and Rui Song and Jiaojiao Li and David Ferstl and Yinlin Hu},
journal= {arXiv preprint arXiv:2308.10016},
year = {2023}
}
备注
Accepted by ICCV 2023