基于场景补全的 RGB-D 扫描极端相对姿态估计

Dec, 2018

基于场景补全的 RGB-D 扫描极端相对姿态估计

Extreme Relative Pose Estimation for RGB-D Scans via Scene Completion

Zhenpei Yang, Jeffrey Z.Pan, Linjie Luo, Xiaowei Zhou, Kristen Grauman...

TL;DR提出了一种使用深度神经网络处理 RGB-D 扫描数据的方法，该方法可以处理极端的相对位姿变换，且在相对位姿估计和场景完成方面都达到了更好的效果。

Abstract

Estimating the relative rigid pose between two rgb-d scans of the same underlying environment is a fundamental problem in computer vision, robotics, and computer graphics. Most existing approaches allow only limited maximum relative pose changes since they require considerable overlap

rgb-d scans deep neural network relative pose estimation scene completion benchmark datasets

发现论文，激发创造

混合表示下的极端相对姿态网络

本文介绍了一种新的 RGB-D 相对位姿估计方法，该方法适用于小重叠或非重叠扫描，并且可以输出多个相对位姿。该方法执行场景补全和匹配补全的扫描。

Dec, 2019

卷积神经网络相对摄像机位姿估计

本文提出了一种基于卷积神经网络的方法来估计两个相机之间的相对姿态，该方法采用来自两个相机的 RGB 图像作为输入，并直接输出相对旋转和平移。与 SURF、ORB 这些广泛使用的局部特征方法相比较，该方法采用端到端的方式训练，利用大规模分类数据集进行迁移学习，结果表明相对基准线有明显的改进。此外，本文还介绍了一种包含空间金字塔池化 (SPP) 层的网络结构变体，并证明进一步提高了性能。

Feb, 2017

走向人类级别的三维相对姿态估计：通用化、免训练、单个参考

用 RGB-D 参考图像的 2.5D 形状、现成可微分渲染器以及 DINOv2 预训练模型提取的语义线索为基础，无需标记和训练，提出了一种新颖的可推广的三维相对姿态估计方法，通过渲染与对比新的 RGB 和语义地图，实现了只需单个 RGB-D 参考图像可用于未见过的对象的姿态估计。

Jun, 2024

使用重新本地化级联实时估计新场景中的 RGB-D 摄像机姿态

本文提出了一种改进的方法来解决摄像机位姿估计问题，利用回归森林对场景中的关键点进行对应，采用几何方法评分并选择最有前途的假设，使用多个快速但不精确的重新定位器级联，调整参数以实现有效的性能，实现了重定位性能的显着提升。

Oct, 2018

基于弱深度监督的多人绝对三维人体姿态估计

本文提出了一种利用 RGB-D 图像进行弱监督训练的网络，用于多人绝对姿态估计，可缓解缺乏大规模、多样化数据集的问题，并在多个数据集中实现了持续的错误率改进与在 MuPoTS-3D 数据集上的全球领先结果

Apr, 2020

使用在合成 RGB-D 上训练的深度网络实现语义姿态

通过深度卷积神经网络实现室内场景理解的任务。为了克服 RGB-D 训练数据不足的问题，采用实时渲染技术生成合成室内场景，并通过迁移学习的方式使得模型能够处理具有高度挑战性的真实场景。该神经网络具备较短的运行时间，可同时估计类别、姿态和位置等参数。

Aug, 2015

FAR：灵活、准确和稳健的 6DoF 相机相对姿态估计

相机位姿估计的方法可以通过找到对应关系和解决基础矩阵的方式在大多数情况下提供高精度，而使用神经网络直接预测姿态的方法对于有限重叠的情况更加鲁棒，并能够推断出绝对平移尺度，但精度较低。我们展示了如何结合这两种方法的优点；我们的方法能够同时提供精确和稳健的结果，并准确推断出平移尺度。我们模型的核心是一个 Transformer，它通过学习平衡已解决和学习的姿态估计，并提供一个先验信息来指导求解器。全面的分析支持了我们的设计选择，并证明了我们的方法能够灵活适应各种特征提取器和对应估计器，在 Matterport3D、InteriorNet、StreetLearn 和 Map-free Relocalization 上展现了最先进的 6 自由度姿态估计性能。

Mar, 2024

从 RGB-D 图像推断三维物体姿态

该研究旨在使用卷积神经网络检测和定位 RGB-D 场景中的物体，然后使用 3D 模型替换它们，相对于目前最先进的算法，该方法在 3D 检测任务中表现出 48％的相对改进，并且速度更快。

Feb, 2015

相对论：弱监督数据下的单目三维人体姿态估计

通过弱监督学习和人群注释者提供的深度相对估计信号，我们提出一种 3D 人体姿势估计算法，用于只在 2D 输入图像中学习。结果竞争力优于目前现有算法，可为在未经过精心控制的现实世界中进行 3D 姿势估计开辟道路。

May, 2018

DVMNet: 计算超越假设的未知物体的相对位姿

通过深度体素匹配网络，本研究提出一种无需姿态假设的方法，在计算成本较低的情况下为新对象提供更准确的相对姿态估计。

Mar, 2024