- …
- …
#47
summarized by : shoji sonoyama
どんな論文か？
RGB画像から物体の6D poseを推定する問題設定．微分可能なPnPは疎な点群しか扱えず，精度が悪い傾向にある．本論文では微分可能なパラメータ表現を改善し微分可能なPnPに取り込むことで精度を向上させた．
新規性
微分可能なPnPを取り入れたGDR-Netの提案．微分可能なPnP層はシンプルなNNが用いられており，6D poseを直接推定する．加えてネットワークは物体検出とポーズ推定の2ステージに分かれており，学習済みの検出器と組み合わせることも，まとめてEnd-to-Endで学習させることもできる．
結果
LM-OとYCB-V datasetで評価しSoTAを達成した．また，既存の微分可能なPnPよりも4倍高速に学習・推論可能．
その他（なぜ通ったか？等）
github:https://github.com/THU-DA-6D-Pose-Group/GDR-Net
- …
- …