无需真实位姿标注的鲁棒基于RGB的6-DoF位姿估计
计算机视觉与模式识别
2020-08-20 v1
摘要
尽管从单张RGB图像进行6-DoF物体位姿估计已取得诸多进展，当前领先的方法严重依赖真实标注数据。因此，它们对严重遮挡仍然敏感，因为用标注数据覆盖所有可能的遮挡情况是不可行的。在本文中，我们提出一种在挑战性条件下鲁棒且准确地估计6-DoF位姿、且不使用任何真实位姿标注的方法。为此，我们利用如下直觉：网络从一张图像及其为模拟遮挡而合成改变的对应图像所预测的位姿应当一致，并将此转化为自监督损失函数。我们在LINEMOD、Occluded-LINEMOD、YCB以及新的Randomization LINEMOD数据集上的实验证明了我们方法的鲁棒性。我们在无真实位姿设定下的LINEMOD和OccludedLINEMOD上取得了SOTA性能，甚至在Occluded-LINEMOD上优于训练时依赖真实标注的方法。
引用
@article{arxiv.2008.08391,
title = {Robust RGB-based 6-DoF Pose Estimation without Real Pose Annotations},
author = {Zhigang Li and Yinlin Hu and Mathieu Salzmann and Xiangyang Ji},
journal= {arXiv preprint arXiv:2008.08391},
year = {2020}
}