Sim2Realオブジェクト中心キーポイント検出と記述【JST・京大機械翻訳】

Zhong Chengliang; Yang Chao; Qi Jinshan; Sun Fuchun; Liu Huaping; Mu Xiaodong; Huang Wenbing

プレプリント

J-GLOBAL ID：202202213609106377 整理番号：22P0283060

Sim2Realオブジェクト中心キーポイント検出と記述【JST・京大機械翻訳】

Sim2Real Object-Centric Keypoint Detection and Description

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (7件)： , , , , , ,
資料名：
発行年： 2022年02月01日プレプリントサーバーでの情報更新日： 2022年02月03日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

キーポイント検出と記述はコンピュータビジョンにおいて中心的役割を果たす。ほとんどの既存の方法は,異なるキーポイントのオブジェクトクラスを返すことなしに,シーンレベル予測の形式である。本論文では,従来の設定を超えるオブジェクト中心定式化を提案し,どのオブジェクトが各関心点に属するかをさらに同定する必要がある。そのような細粒情報により,著者らのフレームワークは,クラスタ化環境におけるオブジェクトレベルマッチングや姿勢推定のようなより下流ポテンシャルを可能にする。実世界におけるラベル収集の困難さを得るために,著者らは,シミュレーションで訓練されたモデルを現実世界アプリケーションに一般化できるsim2実際のコントラスト学習機構を開発した。著者らの訓練方法の新規性は3倍である。(i)著者らは,ハードケース,例えばより少ないテクスチャまたは対称パッチの特徴記述を改善するために,学習フレームワークに不確実性を統合する。(ii)オブジェクト記述子を2つの出力ブランチ,すなわち,オブジェクト内サリエンスとオブジェクト間識別に分離して,より良いピクセルワイズ記述をもたらした。(iii)表現学習における強化ロバスト性に対するクロスビュー意味一貫性を強制する。画像マッチングと6D姿勢推定に関する総合的実験は,シミュレーションから現実への著者らの方法の有望一般化能力を証明した。特に,6D姿勢推定では,この方法は,典型的な教師なし/sim2実法よりも著しく優れており,完全教師つき対応物とのより近いギャップを達成した。追加結果とビデオは,https://zhongcl thu.github.io/rock/で見つけることができる。【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

パターン認識 , 図形・画像処理一般

前のページに戻る