TTA-COPE：面向类别级物体位姿估计的测试时自适应
计算机视觉与模式识别
2023-03-30 v1
摘要
测试时自适应方法近年来受到关注，作为一种实用的解决方案，它通过在不需要目标数据标签的情况下逐步更新模型来解决源到目标的域差距。在本文中，我们提出了一种用于类别级物体位姿估计的测试时自适应方法，称为 TTA-COPE。我们设计了一种基于位姿感知置信度的自训练损失的位姿集成方法。与以往用于类别级物体位姿估计的无监督域自适应方法不同，我们的方法以顺序的、在线的方式处理测试数据，并且在运行时不需要访问源域。大量实验结果表明，所提出的位姿集成和自训练损失在半监督和无监督设置下的测试时均提升了类别级物体位姿性能。项目页面：https://taeyeop.com/ttacope
引用
@article{arxiv.2303.16730,
title = {TTA-COPE: Test-Time Adaptation for Category-Level Object Pose Estimation},
author = {Taeyeop Lee and Jonathan Tremblay and Valts Blukis and Bowen Wen and Byeong-Uk Lee and Inkyu Shin and Stan Birchfield and In So Kweon and Kuk-Jin Yoon},
journal= {arXiv preprint arXiv:2303.16730},
year = {2023}
}
备注
Accepted to CVPR 2023, Project page: https://taeyeop.com/ttacope