PyraPose：基于特征金字塔在域偏移下实现快速准确的目标位姿估计
计算机视觉与模式识别
2020-11-02 v1
摘要
目标位姿估计使机器人能够理解并与其环境交互。为了适应新情况，使用合成数据进行训练是必要的。遗憾的是，在域偏移下（即在合成数据上训练、在真实世界中测试）的位姿估计具有挑战性。基于深度学习的方法在使用编码器-解码器网络时目前表现最佳，但通常不能推广到具有不同场景特征的新场景。我们认为，基于块的方法比编码器-解码器网络更适合合成到真实的迁移，因为从局部到全局的目标信息能得到更好的表示。为此，我们提出了一种基于专用特征金字塔网络的新方法，以计算多尺度特征，从而在不同特征图分辨率上并行生成位姿假设。我们的单阶段位姿估计方法在多个标准数据集上进行了评估，并以高达 35% 的优势超越当前最优（SOTA）。我们还在真实世界中进行了抓取实验，以证明使用合成数据推广到新环境的优势。
引用
@article{arxiv.2010.16117,
title = {PyraPose: Feature Pyramids for Fast and Accurate Object Pose Estimation under Domain Shift},
author = {Stefan Thalhammer and Markus Leitner and Timothy Patten and Markus Vincze},
journal= {arXiv preprint arXiv:2010.16117},
year = {2020}
}