增强现实叠加：以合成方式对曲面进行图像姿态估计训练

Sep, 2024

增强现实叠加：以合成方式对曲面进行图像姿态估计训练

AR Overlay: Training Image Pose Estimation on Curved Surface in a Synthetic Way

Sining Huang, Yukun Song, Yixiao Kang, Chang Yu

TL;DR本研究解决了在复杂环境中3D物体姿态估计的挑战，尤其是针对曲面图像的跟踪问题。通过提出一种仅需原始图像作为输入的算法，能够同时检测多个标志图像，显著提高了增强现实等下游应用的效果。最重要的发现是，该方法提升了曲面目标的姿态估计效率，推动了空间计算的发展。

Abstract

In the field of spatial computing, one of the most essential tasks is the Pose Estimation of 3D objects. While rigid transformations of arbitrary 3D objects are relatively hard to detect due to varying environment introducing factors like insufficient lighting or even occlusion, object

发现论文，激发创造

基于图像合成的深度3D人体姿态估计

本文提出了一种在“野外”环境中进行三维人体姿态估计的解决方案，通过生成大量的具有三维姿势标注的逼真合成图像，并使用这些图像对全身三维姿势进行端对端的卷积神经网络训练，成功地在受控环境（Human3.6M）中优于大多数已发表的作品，并在真实图像（LSP）中展现了有前途的结果。

Feb, 2018

多零件场景下对称感知的三维物体检测和位姿估计评估

本研究旨在解决3D物体检测与姿态估计的评估问题，通过自动技术生产全注释RGBD数据的多个对象，并提出一致的评估方法和数据集，以获得更高的性能表现。

Jun, 2018

非刚性三维形状分析调查

本文概述了近期关于形状分析的技术，探讨了以高维空间中的点为形状的方法，借助合适的度量计算给定形状的变形范围，进而比较与分类3D对象、计算对象间的平滑变形并模拟与探索形状变异。提出该领域的发展方向及应用前景，涉及数学、统计学、计算机视觉与图形学、医学图像分析等领域。

Dec, 2018

几何姿态可供性：带场景约束的三维人体姿态

通过使用基于视觉的场景几何形状信息，我们提出了一种用于改善人体姿态估计的新颖机制：多层深度图。我们展示了这种方法可以提高3D姿态估计的精度。

May, 2019

应用于增强现实的即时3D物体跟踪

本篇研究提出使用深度神经网络和可靠的平面追踪技术结合，实时追踪物体的姿态，而无需传感器的预先校准或初始化，实现在移动设备上执行相对尺度 9 自由度跟踪。

Jun, 2020

基于类别的三维物体感知的最优姿态和形状估计

本文提出了一个主要解决物体类别感知问题的非凸优化模型，其中包括针对模型内部变异性的解决方案，将图形学和优化算法相结合，以提高汽车姿态估计等领域的精度和鲁棒性。

Apr, 2021

通过引导辐射场反演从单张图像中提取形状、姿态和外观

使用神经辐射场和GAN相结合的方法在3D重建领域具有前景，但大多数现有方法忽略了准确地估计姿态，而本文提出的一种基于自然图像的端到端重建框架则能解决这一问题，使得单个图像就能恢复3D形状、姿态和外观，且表现良好。

Nov, 2022

CylinderTag: 基于投影不变量的圆柱形对象位置估计的准确灵活标记

本文介绍了一种用于曲面如圆柱面的新型视觉标记器CylinderTag，以优化在曲面上进行高精度姿态估计，同时提供了基于启发式搜索的标记器生成和高性能识别器。实验证明，CylinderTag比传统视觉标记器具有更好的检测性能和定位精度，并且为广泛应用提供了更好的多样性和实用性。

Oct, 2023

使用合成训练，在HoloLens上检测和估计工业平面、无纹理物体的姿态

通过合成数据训练的客户端服务器基于增强现实的应用，展示了在边缘设备上对金属和无纹理工业物体进行最先进的姿态估计。定性评估一个AR辅助的分类任务，以及对渲染结果和在HoloLens 2上记录的真实世界数据的定量评估揭示了其在真实世界中的适用性。

Feb, 2024

推动增强现实中的6D姿态估计—克服非受控图像的投影模糊

本研究主要解决在增强现实（AR）中准确估计六自由度姿态的挑战，我们提出了一种新颖的方法，通过分解z轴平移和焦距的估计，利用FocalPose架构中内置的神经渲染和比较策略，从无控制的RGB图像中准确估计六自由度姿态，并显著提高了AR环境中三维物体叠加的准确性，实验结果表明在六自由度姿态估计准确度上有明显改进，该研究成果对制造业和机器人领域具有潜在的重要应用。

Mar, 2024