Wild6D

MemPose框架通过记忆增强提升物体姿态估计性能 · 跟踪3个来源

研究人员推出MemPose，一个利用记忆增强方法进行类别级物体姿态估计的新型框架。与依赖固定形状先验或静态参数的先前方法不同，MemPose 包含一个外部记忆缓冲区，用于存储和动态更新从观察到的实例中提取的结构表示。这使得模型能够利用积累的经验来提高感知能力和跨不同物体的可扩展性。在 REAL275、CAMERA25、Housecat6D 和 Wild6D 等基准测试上的实验表明，MemPose 的性能优于现有的最先进方法。