SurfEmb：基于学习表面嵌入的密集连续对应分布用于物体位姿估计
计算机视觉与模式识别
2022-04-05 v2 人工智能
机器学习
机器人学
摘要
我们提出了一种方法，可在没有对称性等视觉歧义先验知识的情况下，从数据中学习物体表面上的密集、连续 2D-3D 对应分布。我们还提出了一种新的刚体物体 6D 位姿估计方法，利用学习到的分布对位姿假设进行采样、评分和细化。对应分布通过对比损失进行学习，由编码器-解码器查询模型和一个小型全连接键模型在特定物体的潜在空间中表示。我们的方法在视觉歧义方面是无监督的，但我们表明查询模型和键模型能够学习表示精确的多模态表面分布。我们的位姿估计方法在综合的 BOP Challenge 上显著提升了 SOTA，且纯粹在合成数据上训练，甚至可与在真实数据上训练的方法相媲美。项目网站为 https://surfemb.github.io/ 。
关键词
引用
@article{arxiv.2111.13489,
title = {SurfEmb: Dense and Continuous Correspondence Distributions for Object Pose Estimation with Learnt Surface Embeddings},
author = {Rasmus Laurvig Haugaard and Anders Glent Buch},
journal= {arXiv preprint arXiv:2111.13489},
year = {2022}
}