Ki-Pode: Keypoint-based Implicit Pose Distribution Estimation of Rigid Objects

要約

剛体の 6D ポーズの推定は、コンピューター ビジョンの基本的な問題です。
従来、姿勢推定は、単一の最良の推定値の決定に関係していました。
ただし、単一の推定では視覚的なあいまいさを表現できません。これは、多くの場合、オブジェクトの対称性または識別機能の遮蔽のために避けられません。
ポーズのあいまいさを説明できないと、後続のメソッドで失敗する可能性があります。失敗のコストが高い場合、これは受け入れられません。
完全な姿勢分布の推定は、単一の推定とは対照的に、姿勢の不確実性を表現するのに適しています。
これに動機付けられて、我々は新しい姿勢分布推定法を提案します。
オブジェクトの姿勢に関する確率分布の暗黙的な定式化は、一連のキーポイントとしてのオブジェクトの中間表現から導出されます。
これにより、ポーズ分布推定の解釈可能性が高くなります。
さらに、私たちの方法は保守的な近似に基づいているため、信頼できる推定値が得られます。
この方法は、YCB-V および T-LESS データセットの回転分布推定のタスクで評価されており、すべてのオブジェクトで確実に実行されます。

要約(オリジナル)

The estimation of 6D poses of rigid objects is a fundamental problem in computer vision. Traditionally pose estimation is concerned with the determination of a single best estimate. However, a single estimate is unable to express visual ambiguity, which in many cases is unavoidable due to object symmetries or occlusion of identifying features. Inability to account for ambiguities in pose can lead to failure in subsequent methods, which is unacceptable when the cost of failure is high. Estimates of full pose distributions are, contrary to single estimates, well suited for expressing uncertainty on pose. Motivated by this, we propose a novel pose distribution estimation method. An implicit formulation of the probability distribution over object pose is derived from an intermediary representation of an object as a set of keypoints. This ensures that the pose distribution estimates have a high level of interpretability. Furthermore, our method is based on conservative approximations, which leads to reliable estimates. The method has been evaluated on the task of rotation distribution estimation on the YCB-V and T-LESS datasets and performs reliably on all objects.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google