研究人员推出 SUFLECA，一个旨在改进零样本 CAD 到图像对齐的弱监督框架。该方法利用大规模真实和合成图像数据集上的归一化对象坐标 (NOCs) 监督，增强了基于几何的特征学习。SUFLECA 的几何一致性匹配算法建立了可靠的对应关系，无需迭代优化即可实现准确快速的对齐，并在 ScanNet25k 基准测试中展现出卓越的性能。 AI
影响 这项研究通过实现更准确高效的图像对象姿态估计，有望改进机器人和增强现实应用。
排序理由 该集群包含详细介绍新对象姿态估计方法的学术论文。
- alphaXiv
- arXiv
- CatalyzeX
- Category-Level 3D Correspondence in Camera Space via Morphable Object Priors
- DagsHub
- Dune
- Geometry Matters: 3D Foundation Priors for Learning Semantic Correspondence
- Gotit.pub
- Hugging Face
- Learning Cross-View Semantic Priors for Single-Reference Unseen Object Pose Estimation
- Normalized Object Coordinates
- Pose Anything Anywhere:Model-free Object Poses from Arbitrary References
- ScanNet25k
- ScienceCast
- SUFLECA
- UniPose9D
- Unsupervised Domain Adaptation for Sim-to-Real Object Pose Estimation with Contrastive Alignment and Pseudo-Label Refinement
AI 生成摘要 · Google Gemini · 来自 3 个来源。 我们如何撰写摘要 →
