RGB-D-Based Categorical Object Pose and Shape Estimation: Methods, Datasets, and Evaluation

要約

最近、カテゴリごとのレベルでオブジェクトの 6D ポーズおよび形状を推定するためのさまざまな方法が提案されています。
この作品は、メソッド、データセット、および評価プロトコルの観点からフィールドの概要を提供します。
まず、既存の作品の概要とその共通点と相違点について説明します。
第二に、メトリクスやデータセットを含む主要な評価プロトコルを批判的に見ていきます。
調査結果に基づいて、新しい一連のメトリックを提案し、Redwood データセットに新しい注釈を提供し、公正な比較で最先端の方法を評価します。
結果は、既存の方法が制約のない方向にうまく一般化されておらず、実際にはオブジェクトが直立している方向に大きく偏っていることを示しています。
明確に定義されたメトリクス、メソッド、およびデータセット インターフェイスを備えた使いやすい評価ツールボックスを提供します。これにより、さまざまな最先端のアプローチとの評価と比較が可能になります (https://github.com/roym899/pose_and_shape_evaluation)。
.

要約(オリジナル)

Recently, various methods for 6D pose and shape estimation of objects at a per-category level have been proposed. This work provides an overview of the field in terms of methods, datasets, and evaluation protocols. First, an overview of existing works and their commonalities and differences is provided. Second, we take a critical look at the predominant evaluation protocol, including metrics and datasets. Based on the findings, we propose a new set of metrics, contribute new annotations for the Redwood dataset, and evaluate state-of-the-art methods in a fair comparison. The results indicate that existing methods do not generalize well to unconstrained orientations and are actually heavily biased towards objects being upright. We provide an easy-to-use evaluation toolbox with well-defined metrics, methods, and dataset interfaces, which allows evaluation and comparison with various state-of-the-art approaches (https://github.com/roym899/pose_and_shape_evaluation).

arxiv情報

提供元, 利用サービス

arxiv.jp, Google