研究人员推出GRC-Pose,一个用于无先验6D物体姿态跟踪的新框架。该方法解决了从单个RGB视频中恢复未知物体轨迹的挑战,而无需物体特定的CAD模型或姿态标注。GRC-Pose将跟踪构建为生成-重建对应问题,结合了学习到的对应预测和鲁棒的姿态估计。该框架使用GeoCorr-Matcher进行加权的物体-场景对应和不确定性估计,并通过FGH-Solver进行序列级后验推理集成。评估结果表明,在HOT3D数据集上达到了最先进的性能,在运动保持方面比以前的方法提高了58%,并在YCBInEOAT和LINEMOD等基准测试中保持竞争力。 AI
影响 推动了无先验6D物体姿态跟踪,可能改进机器人感知和增强现实应用。
排序理由 该集群描述了一篇关于6D物体姿态跟踪新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →