PulseAugur
中
实时 10:57:30
English(EN) TSM-Pose: Topology-Aware Learning with Semantic Mamba for Category-Level Object Pose Estimation

TSM-Pose 框架通过拓扑和语义增强物体姿态估计

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出 TSM-Pose，一个旨在改进类别级物体姿态估计的新框架。该方法利用拓扑提取器从点云中捕获全局结构表示，并利用基于 Mamba 的全局语义聚合器通过整合语义先验来增强关键点表达能力。该框架在 REAL275、CAMERA25 和 HouseCat6D 等基准数据集上展示了卓越的性能，优于现有的最先进方法。 AI

影响 该框架可以通过提高 AI 系统理解和与其环境中的物体交互的能力来推动具身智能的发展。

排序理由 该集群包含一篇详细介绍新的物体姿态估计框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

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

TSM-Pose 框架通过拓扑和语义增强物体姿态估计

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Jinshuo Liu, Bingtao Ma, Junlin Su, Guanyuan Pan, Beining Wu, Cheng Yang, Jiaxuan Lu, Chenggang Yan, Shuai Wang ·

    TSM-Pose: Topology-Aware Learning with Semantic Mamba for Category-Level Object Pose Estimation

    arXiv:2604.16954v2 Announce Type: replace Abstract: Category-level object pose estimation is fundamental for embodied intelligence, yet achieving robust generalization to unseen instances remains challenging. However, existing methods mainly rely on simple feature extraction and …

相关实体

相关话题