THE-Pose：基于拓扑先验与混合图融合的类别级6D物体姿态估计
计算机视觉与模式识别
2025-12-12 v1
摘要
类别级物体姿态估计需要全局上下文和局部结构以确保对类内变异的鲁棒性。然而，3D图卷积（3D-GC）方法仅关注局部几何和深度信息，因而对复杂物体和视觉歧义十分敏感。为此，我们提出THE-Pose，一个利用拓扑先验通过表面嵌入和混合图融合的新颖类别级6D姿态估计框架。具体而言，我们从图像域提取一致且不变的拓扑特征，有效克服了现有3D-GC方法固有的局限性。我们的混合图融合（HGF）模块适性地将拓扑特征与点云特征集成，无缝桥接2D图像上下文与3D几何结构。这些融合特征确保了对未见或复杂物体的稳定性，即使在显著遮挡情况下也能保持稳定。在REAL275数据集上的大量实验表明，THE-Pose相较于3D-GC基线方法（HS-Pose）实现了35.8%的提升，凭借在所有关键指标上超越前沿方法7.2%的成绩。代码已公开于https://github.com/EHxxx/THE-Pose
引用
@article{arxiv.2512.10251,
title = {THE-Pose: Topological Prior with Hybrid Graph Fusion for Estimating Category-Level 6D Object Pose},
author = {Eunho Lee and Chaehyeon Song and Seunghoon Jeong and Ayoung Kim},
journal= {arXiv preprint arXiv:2512.10251},
year = {2025}
}