May, 2022

PhoCaL: 一个用于光度挑战物体分类级别姿态估计的多模态数据集

PDF
TL;DR介绍了一种新的多通道数据集 PhoCaL，用于实现物体类别级别的姿态估计，并评估了最先进的 RGB-D 和单 ocular RGB 方法。
发现论文，激发创造
  • 光度挑战物体的多模态数据集采集

    本文介绍了一个用于增强现有的 3D 感知和 6D 物体姿态数据集的新注解和获取方法，通过机器人前向运动学、外部红外跟踪器和改进的校准和注解过程，提出了一个多模态传感器装置，据此创建了高精度的 3D 数据，有效克服了现有数据集的限制，并为 3D 视觉研究提供了宝贵的资源。

    Aug, 2023

  • HomebrewedDB：用于 3D 物体 6D 姿态估计的 RGB-D 数据集

    本文介绍了一个新的数据集和基准测试标准，主要针对从 3D 模型（有纹理和无纹理）训练，可扩展性，遮挡，光照和物体外观的变化等方面测试 6D 姿态估计算法的性能，并使用最先进的 DPOD 检测器来设置基线。

    Apr, 2019

  • 具有有限数据的光度挑战物体的多模态六自由度姿态估计的偏振信息

    利用极化信息的监督学习方法以及借助物理特性的自监督学习方法取得重要进展，通过利用极化光的几何信息和引入形状先验知识和可逆物理约束来提高姿态估计的准确性。

    Aug, 2023

  • 机器人中单目 6D 物体位姿估计的挑战

    物体姿态估计是一项核心感知任务，针对单目相机方法，其主要挑战包括遮挡处理、姿态表示、类别级姿态估计以及不确定性估计。

    Jul, 2023

  • CLIPose: 预训练视觉语言知识下的类别级物体姿态估计

    通过利用不同模态的丰富语义知识，以及多模态对齐和增强的方式，CLIPose 提出了一种新颖的 6D 姿态框架，以更好地实现对目标类别信息的学习和姿态估计，并在两个主流基准数据集上取得了最先进的性能。

    Feb, 2024

  • 家用物品机器人操作的 6 自由度位姿估计：可访问数据集和基准

    本文介绍了一个新的数据集，用于 6-DoF 姿态估计已知物体，在机器人操作研究方面重要。数据集由一组玩具杂货物品组成，旨在方便机器人抓取和操纵，提供了这些物品的 3D 模型和 RGBD 图像，可用于产生合成训练数据，并提出了一个新的姿态评估指标 ADD-H。

    Mar, 2022

  • ClearPose: 大规模透明物体数据集和基准

    本研究针对透明物体的属性，提出了一种大规模真实世界 RGB-Depth 透明物体数据集，命名为 ClearPose，用于定量评价分割、场景级深度完成和物体居中姿态估计的任务，该数据集包含超过 350K 个标记的真实世界 RGB-Depth 帧和 5M 个实例注释涵盖 63 种家庭物品等。

    Mar, 2022

  • 使用少量杂乱图像进行神经物体学习的 6D 位姿估计

    本文提出了一种名为神经物体学习（NOL）的方法，通过从凌乱图像中结合少数观察来创建任意姿态下的对象的合成图像，并提出了一种新的细化步骤来对齐源图像中不准确的对象姿态，从而得到更好的图像。在两个公共数据集上进行的评估表明，由 NOL 生成的渲染图像相比使用 13 倍真实图像数量的方法实现了最先进的性能，而对我们的新数据集进行的评估显示可以使用固定场景的序列同时训练和识别多个对象。

    May, 2020

  • 野外物体的三维姿态估计和三维模型检索

    本文提出了一种可扩展，高效和准确的方法，用于检索野外对象的 3D 模型，包括了 3D 姿态估计，使用姿态先验来检索 3D 模型，使用基于 CNN 的多视图度量学习方法从 RGB 图像中检索图像描述符与采用的渲染深度图像匹配的深度图像得出精准的 3D 模型，报告了 Pascal3D + 上 3D 模型的定量结果。

    Mar, 2018

  • 基于条件神经过程的类别无关 6D 位姿估计

    本研究提出了一种新颖的基于元学习的方法，用于对未知对象进行六自由度姿态估计，并通过条件神经过程元学习训练将纹理和几何特征编码到隐向量空间，用于在新图像中预测对象的六自由度姿态，实验证明该算法在不同形状和外观的未见对象上具有强大的泛化能力。

    Jun, 2022