6d poses | BriefGPT - AI 论文速递

关键词6d poses

搜索结果 - 8

MMDTF-Net: 通过可变形模板场进行类别级姿态估计与形状重建
DTF-Net 是一种基于物体类别的隐性神经场方法，通过设计可变形模板场、姿态回归模块和多模态表示提取模块，实现了场景中物体的姿态估计和形状重建，并通过 REAL275 和 CAMERA25 数据集的实验证明了其在综合环境下的出色性能以及对
PDFa year ago
SyMFM6D：针对多视角 6D 物体姿态估计的对称感知多方向融合
该论文介绍了一种新的对物体进行 6D 姿态估计的方法，其中使用了多视角深度网络、预定义关键点、实例语义分割等技术，特别考虑了对称物体的问题，相对于现有技术有很大的提升。
PDFa year ago
Ki-Pode: 基于关键点的刚性物体隐式姿态分布估计
本文提出一种旨在处理 6D 姿态估计中的姿态歧义问题的新方法，通过构建一个对象关键点的中介表示来实现概率分布的隐式形式推导，并对 YCB-V 和 T-LESS 数据集中的旋转分布估计任务进行评估。
PDF2 years ago
MV6D: 使用深度点投票网络的 RGB-D 框架多视角 6D 位姿估计
提出了一种名为 MV6D 的多视角 6D 姿态估计方法，该方法使用多个视角的 RGB-D 图像，通过 DenseFusion 层融合每个视角的图像，可以精确预测杂乱场景中所有对象的 6D 姿态.
PDF2 years ago
ECCV基于形状先验变形的 6D 类别目标姿态与尺寸估计
本研究提出了一种基于深度学习的方法，通过创建有关先前学习类别形状先验信息的 3D 对象模型并推断出深度观测和 3D 模型之间的密集对应关系，使得能够从 RGB-D 图像中恢复未看见的物体实例的 6D 姿态和大小。
PDF4 years ago
针对人群场景中基于深度的六自由度物体姿态和联合注册的多任务深度网络
本研究提出了一种基于多任务学习的深度学习神经网络结构，用于从随机堆放的物品中恢复多个实例的 6D 姿态，通过在深度感知模式下进行 2D 检测、深度估计和 3D 姿态估计的多子任务联合学习，以及多个物体的联合注册，以学习众多遮挡情况，实验结果
PDF6 years ago
Deep-6DPose：从单个 RGB 图像中恢复 6D 物体姿态
本文介绍了一种名为 Deep-6DPose 的端到端深度学习框架，可以从单个 RGB 图像中同时检测、分割并恢复目标实例的 6D 姿态。实验表明，Deep-6DPose 比目前基于 RGB 的多阶段姿态估计方法更快，并且在标准的姿态基准数据
PDF6 years ago
SSD-6D：使基于 RGB 的三维检测和 6D 位姿估计更加卓越
我们提出了一种新颖的方法，在单个快拍中从 RGB 数据中检测 3D 模型实例并估计其 6D 姿势。为此，我们扩展了流行的 SSD 范例，以涵盖完整的 6D 姿态空间，并仅在合成模型数据上进行训练。我们的方法在多个具有挑战性的数据集上竞争或超
PDF7 years ago