- 博客(35)
- 收藏
- 关注
RSS订阅原创 论文解读《Gen6D: Generalizable Model-Free 6-DoF Object Pose Estimation from RGB Images》 小样本6D位姿估计
相比之下，以前的姿态细化器[29，74]仅依赖于2D图像特征来回归3D相对姿态，这不太准确，尤其是对于看不见的物体。然后，视点选择器将查询图像与参考图像相匹配，选择最相似的参考图像并估计平面内旋转来找到初始旋转，以产生粗略的初始姿态；姿态细化器的主要挑战是对象模型的不可用性。现有的姿态细化器[29，74]基于渲染和比较，在输入姿态上渲染图像，然后用查询图像匹配渲染的图像以细化输入姿势。在这种情况下，将有多个看似合理的参考图像，选择器必须选择视点最近的一个作为查询图像，这通常非常模糊，如下图所示。
2023-12-25 14:05:18
1782
原创 论文解读《Zero-Shot Category-Level Object Pose Estimation》类别级6D位姿估计
在这个过程之后，可以使用基本的几何图元来理解对象之间的空间关系。=> **零样本（也就是预测未见过的物体（没有该实例的数据标记和CAD模型），类别级）**预测来自对象类别的两个实例之间的姿势偏移，而不需要任何姿势注释。现有的类别级方法通过训练每个类别的单独模型，或通过为每个类别使用不同的模板（例如CAD模型），来预测图像中对象相对于所提供的CAD模型的类别和姿势。效果：在设计的CO3D基准（更加现实）上进行严格的实验，证明了当前的一些基准方法经常完全失效时，而本文的方法有助于零样本姿势对齐。
2023-12-24 14:52:07
1116
原创 论文解读《EPro-PnP: Generalized End-to-End Probabilistic Perspective-n-Points for Monocular Object Pose 》
以前的解决方法：lmmplicit differentiation（隐式微分），但是有一个问题argmin函数并不是真正完全可导的，在某些点是不连续的，所以会导致反向传播不稳定，就必须要依赖整个代理损失来做一个正则化，来保证整个PnP它优化的目标函数如果它是一个凸优化问题的话，然后用隐式微分就可以解决，但是如果没有前面这些东西，光靠端到端的一个损失函数，没有办法稳定的通过反向传播来学习所有的这些2D、3D点。输入Correspondence X是一个可导的东西，通过经典的贝叶斯公式推导得到一个概率密度。
2023-12-24 14:51:11
1288
原创 论文解读《Deep Hough Voting for 3D Object Detection in Point Clouds》
2NH个通道分别输出的是该物体的朝向是预置的 2NH 个朝向的概率值（即预置了 NH 条直线，每条直线又有 2 个朝向，该物体的朝向为这 2NH 个朝向中每一个的概率值）；同 2NH 一样，4NS个通道分别输出的是该物体的尺度是预置的 4NS 个尺度的概率值（其中乘以 4 是因为NS个尺度中的每一个尺度都预置了 3种长宽高缩放比率+原尺度），NC个通道输出的是该局部区域是 NC 个类别的概率。同时在这一层，为了使得移动之后的点更接近物体的质心，采用了L1 loss去监督移动后的点和质心之间的距离。
2023-12-24 14:47:06
808
原创 论文解读《PCRNet: Point Cloud Registration Network using PointNet Encoding》
第一部分基本等同于PointNet全局特征提取结构，分别由几个MLP组成，数据维度分别变换为（64，64，64，128，1024），之后做最大池化，每一维取最大值，那么就从一个n×3的点云变成1×1024的特征向量。基于一个大的样本库，并且包含各种各样的姿态，利用深度学习获得一个全局最优的结果，听上去是一个可行的方案。之前的工作还是使用传统的优化方法，如牛顿法，ICP，梯度下降，LK算法等，针对编码后的特征向量实现姿态对齐。，有效的学习了大规模样本的配准规律，且对噪声的鲁棒性具备一定优势。
2023-12-24 14:45:26
627
原创 论文解读《Pix2Pose: Pixel-Wise Coordinate Regression of Objects for 6D Pose Estimation》
最近，使用生成对抗性网络（GAN）[5]提高了生成的图像的质量，这些图像不那么模糊，更逼真，用于图像到图像的翻译[13]、画中画和去噪[11，23]任务。式中，n 是像素个数，M 表示图像中物体对应的Mask，注意，这里的mask包含了物体被遮挡部分，这样就使得训练出来的网络对遮挡有一定的鲁棒性；式中，R_p是一个3 × 3 的旋转向量，它取自于集合sym中，该集合包含了若干个旋转向量，每一个旋转向量的旋转轴为物体对称轴、旋转角度为物体对称角度或其整数倍，当然该集合中还包括了单位向量，表示物体不旋转。
2023-12-24 14:43:51
930
原创 论文解读《Learning Deep Network for Detecting 3D Object Keypoints and 6D Poses》 无需位姿标注的model-free 6D位姿估计
在推理阶段，我们的网络将RGB图像作为输入，并检测输入图像中目标对象的类别、2D位置和3D关键点，通过该图像，可以从每个不同对象的参考图像中的相应关键点几何推断6D对象姿态。与以前的6D姿态检测方法不同，我们的方法从图像对之间的相对变换中学习3D关键点，而不是从明确的3D标记信息或3D CAD模型中学习。给出了一个物体的图像对（I，I′），其视点之间具有已知的相对变换矩阵T。在这种损失函数和具有广泛变换的训练对的帮助下，学习到的3D关键点将稳定地落在对象的一致位置上，即使该位置在图像中是不可见的。
2023-12-24 14:15:56
1072
原创 论文解读《DSC-PoseNet: Learning 6DoF Object Pose Estimation via Dual-scale Consistency》 自监督6D位姿估计
在对合成数据初始化网络或对伪标记的真实数据进行微调后，为所有真实图像生成（或更新）伪分割标签，并附加增强，即多尺度输入和左右翻转。但是这里有个问题，就是预测的分割结果是只有可见部分的，而渲染的物体掩膜是整个物体的轮廓，所以不能直接对齐。设计了一种新的自监督双尺度一致性姿态估计网络（DSC PoseNet）来预测关键点的位置，然后使用估计的关键点来预测真实图像中的物体姿态。目标是从真实图像的粗略2D BBox注释中获得像素级的对象分割结果（分割可以提供详细的对象轮廓，从中可以粗略地确定对象姿态）。
2023-11-01 15:04:24
237
1
原创 论文解读《FFB6D: A Full Flow Bidirectional Fusion Network for 6D Pose Estimation》
然后将提取的逐点特征馈送到实例语义分割和3D关键点投票检测模块中，以获得场景中的每个对象的3D关键点。具体而言：通过添加实例语义分割模块来区分不同的对象实例，并添加关键点投票模块来恢复三维关键点，从而获得每个对象的三维关键点。实例语义分割模块由语义分割模块和中心点投票模块组成，前者预测每点语义标签，后者学习每点到对象中心的偏移量，以区分不同的实例。这些点很难检测，估计姿态的精度降低。基于PVN3D的逐对象3D关键点检测，首先在场景中检测每个对象选择的3D关键点，然后利用最小二乘拟合算法恢复姿势参数。
2023-10-30 10:50:46
511
原创 论文解读《ES6D: A Computation Efficient and Symmetry-Aware 6D Pose Regression Framework》
最后，对不同的模态特征进行聚合。对于RGB和点云特征融合来说，论文《Pointvoxel cnn for efficient 3d deep learning》证明，一个有效的网络应该避免随机存储器访问（索引操作是低效的），这是PVN3D和DenseFusion中密集融合网络的计算瓶颈。然后，我们将对称对象分为五类，并给出相应的距离度量，称为平均（最大）分组基元距离 A(M)GPD。当使用L1损失来训练对称物体时（该物体有多个真实姿态），它会收敛到预测这多个姿态的平均值状态，而这个状态时没有任何意义的。
2023-10-30 10:49:49
90
原创 论文解读《DenseFusion：6D Object Pose Estimation by Iterative Dense Fusion》
DenseFusion 的特征提取网络是一种并行异构的架构，其使用一个 CNN 网络从 RGB 图像中提取颜色相关的特征，使用一个 PointNet 从点云中提取形状几何相关的特征。值得注意的是，这里 CNN 卷积输出的特征图是与原图宽高一致的，PointNet 输出的特征也是逐点特征（point-wise feature），即每个点都有相对应的特征。这样就可以根据每个点的索引，在 CNN 输出的特征图上找到唯一的对应，从而将来自点云的几何特征与来及图像的颜色特征进行串联，获得逐点的多模态特征向量。
2023-10-30 10:44:03
398
原创 Redis核心技术及实战（十.String类型开销大？如何替代？）
十：String类型内存开销大？如何替代？原文：《11丨“万金油”的String，为什么不好用了？》例子：存储一个10位数的图片ID和其对应的10位数的图片存储ID，一共存储1亿个这样一个单键值对，我们选用String类型存储时，发现居然用了6.4GB的内存，也就是说平均一个键值对就用了64字节内存，但是，10位数可以用一个8字节的Long型表示，那么一个键值对也就16字节，多出来的48字节去哪了呢？ => **除了记录实际数据，String还需要额外的内存空间记录数据长度、空间使用
2022-05-25 10:23:12
218
原创 Redis核心技术及实战（九.解决大数据量问题）
九：cluster集群——解决大数据量问题原文：《09丨切片集群：数据增多了，是该加内存还是加实例？》Redis要保存大量数据怎么办？纵向扩展：升级单个Redis实例的资源配置，如增加内存容量、高配置CPU等。但是，当数据量特别大时，硬盘会很难支撑，而且，一个实例中的数据太多，在fork子进程保存快照时就会严重阻塞主线程。横向扩展：切片集群，使用多个Redis实例存储数据。这时，会有两个问题：数据切片后，怎么在多个实例间分布？客户端怎么确定想要访问的数据在哪个实例上？1. 数据切片和实例的对应
2022-05-25 10:21:25
2309
原创 Redis核心技术及实战（七、八 . 哨兵）
七：哨兵机制——实现不间断服务原文：《07丨哨兵机制：主库挂了，如何不间断服务？》当主库挂了之后，写服务会中断、从库无法进行数据同步。我们需要运行一个新的主库，比如说把一个从库切换为主库，这就涉及到三个问题：主库真的挂了吗？该选择哪个从库作为主库？怎么把新主库的相关信息通知给从库和客户端？要解决这三个问题，就需要用到哨兵机制。哨兵其实就是一个运行在特殊状态下的Redis进程，只不过不执行读写请求操作。哨兵机制的流程：**监控：**哨兵会在运行过程中，周期性地向所有主从库发送PING命令
2022-05-25 10:20:20
298
原创 Redis核心技术及实战（六.实现数据一致性）
六：主从同步——实现数据一致性原文：《06丨数据同步：主从库如何实现数据一致？》Redis是读写分离的，每个节点都可以进行读操作，但是写操作只能在主节点上，当主节点写完后才会同步给从节点。那么主从同步是怎么完成的呢？一次性全部传给从库还是分批同步？主从库之间的网络连接中断了还能保持数据一致吗？1. 主从库间的第一次同步三个阶段：**第一阶段：建立连接、协商同步。**从库执行slaveof命令（Redis5.0以后为replicaof命令）告诉主库即将进行同步，主库同意后便可以开始同步。具体来说
2022-05-25 10:19:14
723
原创 Redis核心技术及实战（四、五 . AOF日志、RDB日志）
四：AOF日志原文：《04丨AOF日志：宕机了，Redis如何避免数据丢失？》AOF日志记录了什么？ => 操作的具体逻辑，具体格式见下图。不同于redo log的WAL（写前日志），AOF日志是写后日志，先把数据写到内存中去，再写日志。为什么呢？因为为了避免额外的开销，Redis在向AOF里面记录日志的时候并不会对其进行语法检查，如果先记录日志再执行命令的话，如果语句有错，日志中就记录了错误的命令。除此之外，写后日志不会阻塞当前的写进程。但是AOF也存在两个风险：如果记录完日
2022-05-25 10:18:17
288
原创 Redis核心技术及实战（三.为什么单线程的Redis那么快）
三：为什么单线程的Redis那么快？原文：《03丨高性能IO模型：为什么单线程Redis能那么快？》注：Redis的单线程是指网络IO和键值对读写是单线程的，而其它功能如持久化、异步删除、集群数据同步等其实是额外线程完成的。Redis为什么不用多线程？系统中会存在很多被多线程同时访问的共享资源，比如共享的一个数据结构，如果是多线程的话，对于这个共享资源还要制定同步机制，不仅不会提供吞吐率，反而会增大开销、提高系统的复杂度。为什么单线程还这么快？除了上节讲的两个原因外，还有一个原因，Redis采用了
2022-05-25 10:15:34
98
原创 Redis核心技术及实战（二.数据结构）
二：Redis为什么这么快？=> 数据结构原文：《02丨数据结构：快速的Redis有哪些慢操作？》为什么这么快？一是因为内存存储，二是因为其数据结构，三是多路复用机制（下一节讲）。Redis使用Hash表来保存所有的键值对，Key为String类型，Value为五种数据形式，每一种数据形式都有其对应的底层结构，除String类型外的4种数据类型又称为集合数据。Note：Redis还有三种扩展数据类型，BitMap、HyperLogLog、GEO，这三种在后面十一、十二节介绍。1. 全局哈希
2022-05-25 10:14:04
1844
原创 Redis核心技术及实战（一.如何设计一个键值数据库）
一：一个键值数据库包含了什么/如何设计一个键值数据库？原文：《01丨基本架构：一个键值数据库包含什么？》设计一个键值型数据库时要考虑：存哪些数据？ => 数据类型。key大多为String，value可以多种多样，如Redis的string、set、hash…可以对数据做哪些操作？ => 操作模块。如put、get、scan、delete、set…键值对保存在内存还是外存？ => 存储模块。内存快但可能丢失（作缓存），外存慢但安全（作
2022-05-25 10:12:56
265
原创 B站千锋教育Kafka视频
知识来源：B站视频零. 基础知识类似于RabbitMQ应用解耦异步提速削峰填谷一. 消息中间件的流派什么是MQ？有Broker的MQ：以一台服务器作为消息中转站Broker，生产者把消息发给Broker就完成任务了，Broker负责消息的分发。重Topic：整个Broker依据topic来进行消息的中转，一定需要topic；如Kafka（性能最快）、ActiveMQ、RocketMQ（性能与kafka比肩，功能更多）**轻Topic：**topic只是一种中转模式，可有可没有；
2022-05-25 10:08:20
339
原创 常见排序算法Java实现
排序方法分类**比较类排序：**通过比较来决定元素间的相对次序 时间复杂度不能突破O(nlogn)，因此又被称为非线性时间比较类排序；交换排序冒泡排序快速排序插入排序(简单)插入排序希尔排序选择排序(简单)选择排序堆排序归并排序**非比较类排序：**不通过比较来决定元素的相对次序，时间复杂度可以突破到线性，又被称为线性时间非比较类排序。计数排序桶排序冒泡排序 O(n^2)不断比较相邻的两个元素，并交换位置，一次遍历确定一个最值放在最后。
2022-05-06 13:16:14
132
原创 若依项目分离版 后端部分讲解
RuoYi-Vue版：后端部分 若依分离版官方文档 写在前面：下面每一个功能后面写的（如/captchaImage、/login）都是实现该功能的核心方法或者映射路径，使用 Ctrl + Shift +F 全局查找，找到这些核心代码然后去debug。1. 登录逻辑（含验证码） /captchaImage、/login// 进行登录校验的核心方法：AuthenticationManager.authenticate()// 调用链AuthenticationManager.authe
2022-04-18 23:36:41
2351
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人