基于3D原型的RGB图像统一的类别级目标检测与姿态估计
计算机视觉与模式识别
2025-08-05 v1
摘要
目标检测是计算机视觉中的一个基本问题。虽然在2D图像中检测目标很常见，但许多应用需要确定它们在3D空间中的姿态。传统的类别级方法依赖RGB-D输入，这在某些情况下可能不可得，或采用两阶段方法，使用单独的模型和表示进行检测和姿态估计。为此，首次我们引入了一个统一模型，将检测和姿态估计集成到单个框架中，用于RGB图像，利用带有学习特征的神经网格模型和多模型RANSAC。我们的方法在REAL275数据集上实现了RGB类别级姿态估计的状态最佳结果，平均提升了22.9%。最后，我们证明了与单阶段基线相比，我们的统一方法表现出更大的鲁棒性。我们的代码和模型可在 https://github.com/Fischer-Tom/unified-detection-and-pose-estimation 获取。
引用
@article{arxiv.2508.02157,
title = {Unified Category-Level Object Detection and Pose Estimation from RGB Images using 3D Prototypes},
author = {Tom Fischer and Xiaojie Zhang and Eddy Ilg},
journal= {arXiv preprint arXiv:2508.02157},
year = {2025}
}
备注
Published at ICCV 2025