隐式概率密度函数：在旋转流形上的非参数表示

Jun, 2021

隐式概率密度函数：在旋转流形上的非参数表示

Implicit-PDF: Non-Parametric Representation of Probability Distributions on the Rotation Manifold

Kieran Murphy, Carlos Esteves, Varun Jampani, Srikumar Ramalingam, Ameesh Makadia

TL;DR本研究提出了一种基于非参数分布的单幅图像姿态估计方法，该方法使用神经网络隐式地表示任意姿态的概率分布，并考虑了不确定性和多重对称问题。该方法在处理三维姿态复杂分布时表现优异。

Abstract

single image pose estimation is a fundamental problem in many vision and robotics tasks, and existing deep learning approaches suffer by not completely modeling and handling: i) uncertainty about the predictions, and ii) symmetric objects with multiple (sometimes infinite) correct pose

single image pose estimation uncertainty modeling symmetric objects non-parametric distributions neural network

发现论文，激发创造

基于层级运动学概率分布的野外图像 3D 人体形状和姿态估计

通过训练深度神经网络，使用人体运动树结构来估计相对 3D 关节旋转矩阵的分层矩阵费舍尔分布（即身体姿态）和 SMPL 身体形状参数的高斯分布，实现了对 3D 人体形状和姿态的分布性预测，能够有效地量化预测不确定性并从中采样出多种可能的 3D 重建形式，从而解释给定的输入图像。

Oct, 2021

通过诱导和限制表示进行等变单视角姿态预测

从二维图像中学习关于三维世界的知识是计算机视觉中的一个基本问题，本文提出了一种学习三维表示的算法，满足几何一致性约束，并在三个姿态预测任务中取得了 SOTA 结果。

Jul, 2023

对象姿态估计的学习方向分布

本研究提出了两种学习方法来估计物体方向的分布，考虑到姿态估计的不准确性和物体的对称性，这些方法能够增强现有的位姿估计器，并在未知对称性的物体上表现出更好的性能。

Jul, 2020

通过旋转拉普拉斯分布实现对 SO（3）的鲁棒概率建模

本研究提出了一种新的基于 Laplace 分布的旋转概率模型，相较于高斯 Bingham 分布和 Matrix Fisher 模型更具鲁棒性，可以提高旋转回归任务的性能，并在半监督旋转回归和对称对象多解决方案空间等方面具有优势。

May, 2023

用矩阵费歇尔分布进行概率方向估计

文章通过使用深度神经网络学习输出矩阵费舍尔分布参数来实现在 3D 旋转集合（$SO (3)$）上估计概率分布；并使用负对数似然损失优化生成具有凸损失的模型从而在 Pascal3D +，ModelNet10-$SO (3)$ 和 UPNA 头部姿势等多个挑战性数据集上获取了 state-of-the-art 的结果。

Jun, 2020

一个在 SO (3) 上受拉普拉斯启发的概率旋转估计分布

本文提出了一种基于 Laplace 分布的 Rotation Laplace 分布，用于解决单 RGB 图像 3DoF 旋转估计的问题，其具有鲁棒性和更好的收敛效果，并在概率和非概率基线上实现了最先进的旋转回归任务表现。

Mar, 2023

具有旋转对称性物体的姿态估计

本文介绍了如何使用旋转对称性来进行姿态估计，提出了一种能够通过训练来识别具有旋转对称性的物体的模型，使用未标记的 CAD 模型数据来提高算法性能，并在新的姿态数据集上测试了算法性能。

Oct, 2018

隐式表示先验与黎曼几何相遇：贝叶斯机器人抓取

使用隐式表示构建场景相关的导数并应用基于模拟的贝叶斯推断算法来确定手势成功的方法在模拟和物理基准测试中展示了较高的成功率和有前途的潜力。

Apr, 2023

深度方向统计学：带有不确定性量化的姿态估计

本文提出一种新颖的概率深度学习模型，通过使用 von Mises 分布预测物体位姿角度的分布，可用于不确定性量化，同时在不同质量的图像下也有较强的鲁棒性，经实验证明其具有竞争力的精度和预测能力。

May, 2018

学习从刚体的图像预测未知质量分布的 3D 旋转动力学

使用多级预测管道，通过图像序列估计和预测三维旋转动力学，采用物理信息神经网络模型，并在旋转对象的合成图像序列数据集上展示了其有效性，包括正方体、棱柱和卫星等物体的未知均匀和非均匀质量分布。

Aug, 2023