重新审视全卷积几何特征在物体6D位姿估计中的应用
计算机视觉与模式识别
2023-10-04 v2 人工智能
摘要
近期关于6D物体位姿估计的工作集中于学习图像与物体模型之间的关键点对应关系，随后通过基于RANSAC的算法或端到端优化直接回归位姿来确定物体位姿。我们认为点级判别性特征的学习在现有文献中被忽视了。为此，我们重新审视全卷积几何特征（FCGF）并针对物体6D位姿估计对其进行定制，以实现最先进的性能。FCGF采用稀疏卷积，并通过优化最难对比损失（hardest contrastive loss），使用全卷积网络学习点级特征。通过对损失函数和输入数据表示进行关键修改、仔细调整训练策略，以及采用适用于该底层问题的数据增强，我们能够在流行基准上超越近期竞争对手。我们进行了详尽的消融实验以研究每项修改的贡献。代码可在 https://github.com/jcorsetti/FCGF6D 获取。
引用
@article{arxiv.2307.15514,
title = {Revisiting Fully Convolutional Geometric Features for Object 6D Pose Estimation},
author = {Jaime Corsetti and Davide Boscaini and Fabio Poiesi},
journal= {arXiv preprint arXiv:2307.15514},
year = {2023}
}
备注
Camera ready version, 18 pages and 13 figures. Published at the 8th International Workshop on Recovering 6D Object Pose