实体
YCB-V
YCB-V
PulseAugur coverage of YCB-V — every cluster mentioning YCB-V across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新框架OneViewAll可从单个RGB-D视图估计物体6D姿态
研究人员开发了OneViewAll，一个用于从单个RGB-D视图估计物体6D姿态的新颖框架，特别适用于缺乏CAD模型的新颖物体。该方法采用“投影与比较”范式，整合了类别、物体和块级别的分层语义先验，以避免计算成本高昂的渲染。OneViewAll展示了显著的性能提升，在LINEMOD数据集上实现了92.5%的ADD-0.1准确率，大幅超越了One2Any等现有基线。
-
新的 PANY 框架实现了最先进的物体姿态估计
研究人员开发了 PANY，一个新颖的无模型框架，用于估计未知物体的 6D 姿态，专为开放世界机器人和具身感知而设计。与之前仅限于成对匹配的方法不同，PANY 利用多视图 Transformer 几何骨干来学习视图一致的几何和跨视图对齐线索，即使在查询-参考重叠有限和遮挡的情况下也能实现稳健的性能。该框架支持 RGB 和 RGB-D 输入，并可以利用稀疏参考视图或额外的未姿态辅助视图来提高几何覆盖率和姿态准确性。实验表明，PANY 在 …
-
AlignPose方法使用多视图对齐进行6D物体姿态估计
研究人员开发了AlignPose，一种使用多个RGB摄像头视图估计物体6D姿态的新方法。该方法不需要针对特定物体的训练或对称性标注，解决了单视图方法在深度模糊和遮挡等方面的局限性。AlignPose通过同时最小化所有视图之间的特征差异来优化物体姿态，在六个数据集上表现出优越的性能，尤其是在具有挑战性的工业数据集上。