文献

J-GLOBAL ID：202102263342235239   整理番号：21A0671972

se(3)-TrackNet:合成領域における画像残差校正によるデータ駆動6D姿勢追跡【JST・京大機械翻訳】

se(3)-TrackNet: Data-driven 6D Pose Tracking by Calibrating Image Residuals in Synthetic Domains

著者 (4件)： Wen Bowen (University in Piscataway,Computer Science Department of Rutgers,New Jersey,USA,08854) ,  Mitash Chaitanya (University in Piscataway,Computer Science Department of Rutgers,New Jersey,USA,08854) ,  Ren Baozhang (University in Piscataway,Computer Science Department of Rutgers,New Jersey,USA,08854) ,  Bekris Kostas E. (University in Piscataway,Computer Science Department of Rutgers,New Jersey,USA,08854)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： IROS  ページ： 10367-10373  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ビデオシーケンスにおける物体の6D姿勢を追跡することは,ロボット操作にとって重要である。しかし,このタスクは複数の課題を導入する。(i)ロボット操作は有意なオクルージョンを含む;(ii)データおよびアノテーションは,機械学習解を複雑にする6D姿勢に対して,厄介であり,困難であり,(iii)インクリメンタルエラードリフトは,オブジェクトの姿勢の再初期化を必要とするために,長期トラッキングにおいてしばしば蓄積する。本研究では,長期,6D姿勢追跡のためのデータ駆動最適化手法を提案した。それは,現在のRGB-D観察と以前の最良推定とオブジェクトのモデルに関して調整された合成画像を与える最適相対姿勢を同定することを目的とする。この文脈における鍵となる貢献は,ドメインシフトの低減とLie Algebraによる効果的な3D配向表現を助けるために,特徴符号化を適切に解き,新しいニューラルネットワークアーキテクチャである。その結果,ネットワークが合成データでのみ訓練された場合でも,実際の画像上で効果的に動作できる。オブジェクト操作に関連した重要なオクルージョンを有する新しいデータセットと同様に,ベンチマーク上の包括的な実験は,実際の画像で訓練されたとしても,提案アプローチが一貫してロバストな推定を達成し,代替案より優れていることを示した。この手法はまた,代替案の中で最も計算的に効率的であり,90.9Hzの追跡周波数を達成した。1.Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ネットワーク ,  ロボット ,  最適化手法 ,  *残差 ,  三次元 ,  ベンチマーク ,  ロバスト性 ,  機械学習 ,  アノテーション ,  オクルージョン
準シソーラス用語： ビデオシーケンス ,  物体操作 ,  *データ駆動 ,  RGB-D , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： Se ,  残差 ,  校正 ,  データ駆動 ,  姿勢 ,  追跡