RBP-Pose: Residual Bounding Box Projection for Category-Level Pose Estimation

要約

カテゴリ レベルのオブジェクト ポーズ推定は、既知の一連のカテゴリから任意のオブジェクトの 6D ポーズと 3D メトリック サイズを予測することを目的としています。
最近の方法では、形状の事前適応を利用して、観測された点群を正準空間にマッピングし、梅山アルゴリズムを適用してポーズとサイズを復元します。
ただし、形状事前統合戦略はポーズ推定を間接的に促進するため、ポーズに敏感な特徴抽出が不十分になり、推論速度が遅くなります。
この問題に取り組むために、この論文では、オブジェクトのポーズと、バウンディングボックス上の形状事前に示されたオブジェクト表面投影からの変位を記述する残差ベクトルを共同で予測する、新しいジオメトリガイド付きの残差オブジェクトバウンディングボックス投影ネットワーク RBP-Pose を提案します。
実際の表面投影に向かって。
このような残差ベクトルの定義は、本質的にゼロ平均で比較的小さく、堅牢で正確な姿勢回帰のために 3D オブジェクトの空間キューを明示的にカプセル化します。
ジオメトリを意識した一貫性条件を適用して、予測された姿勢と残差ベクトルを整列させ、パフォーマンスをさらに向上させます。

要約(オリジナル)

Category-level object pose estimation aims to predict the 6D pose as well as the 3D metric size of arbitrary objects from a known set of categories. Recent methods harness shape prior adaptation to map the observed point cloud into the canonical space and apply Umeyama algorithm to recover the pose and size. However, their shape prior integration strategy boosts pose estimation indirectly, which leads to insufficient pose-sensitive feature extraction and slow inference speed. To tackle this problem, in this paper, we propose a novel geometry-guided Residual Object Bounding Box Projection network RBP-Pose that jointly predicts object pose and residual vectors describing the displacements from the shape-prior-indicated object surface projections on the bounding box towards the real surface projections. Such definition of residual vectors is inherently zero-mean and relatively small, and explicitly encapsulates spatial cues of the 3D object for robust and accurate pose regression. We enforce geometry-aware consistency terms to align the predicted pose and residual vectors to further boost performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google