English(EN) Learning Cross-View Semantic Priors for Single-Reference Unseen Object Pose Estimation

新方法通过跨视图语义交互增强未知物体姿态估计

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-26 04:00

研究人员开发了一种新颖的单参考未知物体6D姿态估计方法，该任务涉及从单个参考图像确定新颖物体的三维位置和方向。该新方法，称为跨视图语义交互（CVSI），在几何解码之前增强了查询视图和参考视图之间的语义信息交换。这是通过两个训练时约束实现的：视图内结构保持（IVSP）损失和参考锚定几何一致性（RAGC）损失，它们确保了3D对应学习的语义先验的可靠性。在具有挑战性的基准上的实验表明，该方法在保持具有竞争力的推理速度的同时，实现了最先进的性能。 AI

影响这项研究通过实现更好的物体识别和跟踪，有望提高机器人操作和增强现实应用的效率和准确性。

排序理由这是一篇详细介绍物体姿态估计新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

Jiahong Chen

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.CV TIER_1 English(EN) · Jiahong Chen, Jinghao Wang, Ziwen Wang, Zi Wang, Banglei Guan, Qifeng Yu · 2026-06-26 04:00

Learning Cross-View Semantic Priors for Single-Reference Unseen Object Pose Estimation

arXiv:2606.22076v2 Announce Type: replace Abstract: Single-reference unseen object 6D pose estimation reduces object onboarding by estimating poses of arbitrary novel objects from only one reference view. Recent correspondence-based pipelines have achieved robust performance with…

报道来源 [1]

Learning Cross-View Semantic Priors for Single-Reference Unseen Object Pose Estimation

相关话题