高效的多目标姿态估计方法：基于多分辨率可变形注意力和查询聚合

Dec, 2023

高效的多目标姿态估计方法：基于多分辨率可变形注意力和查询聚合

Efficient Multi-Object Pose Estimation using Multi-Resolution Deformable Attention and Query Aggregation

Arul Selvam Periyasamy, Vladimir Tsaturyan, Sven Behnke

TL;DR使用多分辨率可变形注意力和查询聚合机制的视觉转换器模型在多目标姿态估计方面取得了最先进的结果。

Abstract

object pose estimation is a long-standing problem in computer vision. Recently, attention-based vision transformer models have achieved state-of-the-art results in many computer vision applications. Exploiting th

object pose estimation attention-based vision transformer models multi-object pose estimation inductive biases convolutional neural networks

发现论文，激发创造

YOLOPose V2：基于 Transformer 的 6D 姿态估计的理解与改进

基于 Transformer 的 YOLOPose 模型通过关键点回归和改进的方式实现多目标 6D 姿态估计，适用于实时应用，并达到与最先进方法相媲美的效果。

Jul, 2023

基于双向预测的六维物体姿态估计中的点级注意力利用

传统的几何注册方法只隐含地利用了 CAD 模型，这导致它们对观察质量的依赖性和遮挡缺陷。为了解决这个问题，本文提出了一种具有点对注意机制的双向对应预测网络，它不仅需要模型点预测对应关系，还明确地建模了观察和模型先验之间的几何相似性。我们的关键见解是，每个模型点与场景点之间的相关性为学习点对匹配提供了必要的信息。为了进一步解决特征分布差异带来的相关性噪声，我们设计了一个简单而有效的伪孪生网络来提高特征的一致性。在 LineMOD、YCB-Video 和 Occ-LineMOD 的公共数据集上的实验结果表明，所提出的方法在相同评价标准下取得了比其他最先进方法更好的性能。它的姿态估计的稳健性得到了极大的改善，特别是在遭受严重遮挡的环境中。

Aug, 2023

一个针对多人姿态跟踪的双源注意力转换器

为了解决多人姿势关联问题，提出了一种双源注意力变换器，它包括姿势条件重识别网络、基于时间姿势相似性的边嵌入和基于注意力的匹配层，能够有效应对运动模糊、拥挤场景和遮挡等问题。

Jun, 2023

AggPose：基于深度聚合视觉 Transformer 的婴儿姿势估计

本文提出了婴儿姿势数据集和基于注意力机制和多尺度融合的深度聚合视觉 Transformer，称为 AggPose，使用 COCO 姿势数据集预训练 AggPose，然后在我们新发布的大规模婴儿姿势估计数据集上运用该模型，结果显示 AggPose 能够有效地学习不同分辨率之间的多尺度特征，从而显著提高了婴儿姿势估计的性能，并且在婴儿姿势估计数据集中优于 HRFormer 和 TokenPose。

May, 2022

多视角多类别物体姿态估计的统一框架

本文介绍了一种基于深度卷积神经网络的方法，能够通过对特定对象类的分类和姿态回归，从单个或多视图中准确地推断大量对象类的六自由度姿态，并通过 SE（3）的均匀镶嵌提高了鲁棒性。作者还提出了一种适用于单视角存在歧义的高效多视图框架，并在 YCB-Video、JHUScene-50 和 ObjectNet-3D 三个大规模基准测试中取得了优异的表现，与目前现有技术相比表现优秀。

Mar, 2018

基于注意力机制和软最大值的无监督多目标分割

利用平移等变性注意机制进行的无监督物体中心表示学习和多物体检测与分割架构，其中使用注意机制来预测场景中物体的坐标并为每个物体关联一个特征向量。

May, 2022

TransPose: 一个基于 Transformer 的六自由度物体姿态估计网络与深度修正

该研究提出了一种改进的基于 Transformer 的 6D 位姿估计方法 TransPose，它利用 RGB 图片作为输入，结合轻量级深度估计网络和变压器检测网络，并通过深度细化模块对位姿进行精度优化，在果树采摘应用方面取得了优于其他现有方法的效果。

Jul, 2023

如何追踪你的龙：用于实时 RGB-D 6-DOF 物体姿态跟踪的多重关注框架

提出一种新颖的多关注卷积架构，通过整合多个并行的软空间关注模块到多任务 CNN 架构中，来解决实时 RGB-D 6D 对象姿态跟踪问题，并考虑对象 3D 模型和姿态空间的特殊几何属性，使用更复杂的数据增强方法进行训练，实验证明该架构有效性得到了提高。

Apr, 2020

具有可变形注意力的视觉 Transformer

本文介绍了一种新颖的变形注意力模块，提出了 Deformable Attention Transformer，通过变形注意力实现了基于图像分类和密集预测任务的骨干模型，并在广泛的基准测试中取得了显著的改进。

Jan, 2022

基于人属性的交互感知联合注意力估计

本文提出了单张图像中的联合注意力估计，通过引入上下文线索、模拟各属性之间的相互作用，并采用基于 Transformer 的注意力网络来编码联合注意力为低维特征。通过预测像素级联合注意力的置信度热力图，改善了热力图的准确性，并结合了图像的普通注意力估计进一步提高了估计的联合注意力。相比其他方法，我们的方法在定量实验中表现更好。

Aug, 2023