- 博客(4)
- 资源 (13)
- 收藏
- 关注
原创 se(3)-TrackNet: Data-driven 6D Pose Tracking by Calibrating Image Residuals in Synthetic Domains
作者为长期的6D姿态跟踪提出了一种数据驱动的优化方法。它旨在根据当前的RGB-D观测值和由先前的最佳估算值与物体模型来为条件合成的图像,确定最佳相对姿势。作者关键的贡献提出一种新颖的神经网络架构,该架构适当地解开了特征编码,以帮助减少域偏移,并通过 Lie Algebra 实现了有效的3D方向表示。速度上实现了90.9Hz的跟踪频率`
2020-11-20 19:30:31 1003
原创 [6DoF Pose] Category-Level Articulated Object Pose Estimation
本文针对单一深度图像中关节目标的分类级位姿估计问题进行了研究。我们提出了一种新的分类级别的方法,它能正确地容纳在训练期间未见过的对象实例。我们引入了关节感知规范化坐标空间层次结构(ANCSH)——给定类别中不同关联对象的规范表示。作为实现类内概化的关键,该表示构造了一个规范对象空间和一组规范部分空间。标准对象空间对对象的方向、尺度和关节(例如关节参数和状态)进行规格化,而每个标准部分空间进一步对其部分姿态和尺度进行规格化。我们发展了一个深厚的网络基础 pointnet++,从单一深度点云预测ANCSH,包括
2020-11-15 18:19:42 681
原创 LatentFusion:End-to-End Differentiable Reconstruction and Rendering for Unseen Object Pose Estimatio
作者提出了一种新的6D位姿估计框架。设计了一个网络,它`在推理时使用少量的参考视图重建一个对象的潜在3D表示。该网络能够从任意视图中渲染潜在的3D表示`。使用该神经渲染器,可以针对给定输入图像的姿势直接进行优化, 通过使用大量3D形状训练该网络以进行重构和渲染,该网络可以很好地推广到没有见过的对象。另外作者还`提出了一个新的用于不可见目标姿态估计的数据集——MOPED
2020-11-15 18:15:23 1064
原创 [6DoF Pose] Category Level Object Pose Estimation via Neural Analysis-by-Synthesis
作者提出将基于梯度的拟合过程与参数化神经图像合成模块相结合,该模块能够隐式表示整个对象类别的外观,形状和姿势,从而无需每个对象实例使用显式CAD模型。实验证明该方法可以仅从2D图像中以高精度恢复对象的方向;当提供深度测量结果时,为克服尺度模糊性,该方法可以成功地准确恢复完整的6DOF姿态。
2020-11-15 18:12:44 1168
opencv_boostdesc_bgm.i_vgg_ade-0.1.1f_face_landmark_model.dat.zip
2020-08-22
progressbar-2.5-py2.py3-none-any.whl
2020-07-14
alive_progress-1.6.1-py3-none-any.whl
2020-07-14
TS_ICCV_2019_paper.pdf
2020-06-10
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人