DiffusionNOCS: Managing Symmetry and Uncertainty in Sim2Real Multi-Modal Category-level Pose Estimation

要約

この論文では、カテゴリレベルの姿勢推定という困難な問題に取り組みます。
このタスクの現在の最先端の方法は、対称オブジェクトを扱う場合や、合成データ トレーニングのみを通じて新しい環境に一般化しようとする場合に課題に直面します。
この研究では、部分的なオブジェクトの形状を復元し、姿勢推定に不可欠な対応を確立するために重要な密集した正準マップを推定するために拡散に依存する確率モデルを提案することで、これらの課題に対処します。
さらに、マルチモーダル入力表現を備えた拡散モデルの強みを活用することでパフォーマンスを向上させる重要なコンポーネントを導入します。
さまざまな実際のデータセットでテストすることで、この方法の有効性を実証します。
生成された合成データのみでトレーニングされているにもかかわらず、私たちのアプローチは最先端のパフォーマンスと前例のない汎化品質を実現し、ターゲット ドメインで特別にトレーニングされたものであっても、ベースラインを上回るパフォーマンスを発揮します。

要約(オリジナル)

This paper addresses the challenging problem of category-level pose estimation. Current state-of-the-art methods for this task face challenges when dealing with symmetric objects and when attempting to generalize to new environments solely through synthetic data training. In this work, we address these challenges by proposing a probabilistic model that relies on diffusion to estimate dense canonical maps crucial for recovering partial object shapes as well as establishing correspondences essential for pose estimation. Furthermore, we introduce critical components to enhance performance by leveraging the strength of the diffusion models with multi-modal input representations. We demonstrate the effectiveness of our method by testing it on a range of real datasets. Despite being trained solely on our generated synthetic data, our approach achieves state-of-the-art performance and unprecedented generalization qualities, outperforming baselines, even those specifically trained on the target domain.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google