Self6D：自监督单目6D物体位姿估计
计算机视觉与模式识别
2020-08-05 v3
摘要
6D物体位姿估计是计算机视觉中的基本问题。卷积神经网络（CNNs）近来已被证明即便从单目图像也能预测出可靠的6D位姿估计。然而，CNNs被认为极度依赖数据，而获取充足的标注往往非常耗时且费力。为克服这一缺陷，我们提出通过自监督学习进行单目6D位姿估计的思路，从而免去对真实标注的需求。在利用合成RGB数据对我们的网络进行全监督训练后，我们借助神经渲染的最新进展，在未标注的真实RGB-D数据上进一步自监督该模型，以寻求视觉与几何上的最优对齐。大量评估表明，我们提出的自监督能够显著提升模型原有性能，优于其他依赖合成数据或采用域适应领域复杂技术的方法。
引用
@article{arxiv.2004.06468,
title = {Self6D: Self-Supervised Monocular 6D Object Pose Estimation},
author = {Gu Wang and Fabian Manhardt and Jianzhun Shao and Xiangyang Ji and Nassir Navab and Federico Tombari},
journal= {arXiv preprint arXiv:2004.06468},
year = {2020}
}
备注
ECCV 2020