抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
本研究では,点雲データから物体の6D姿勢を推定するタスクに取り組んだ。このタスクに対処する最近の学習ベース手法は,合成データセット上で大きな成功を示しているが,実世界データの存在下で失敗することを観察した。そこで,これらの故障の原因を解析し,ソースとターゲットポイントクラウドの特徴分布と,2つのポイントクラウド間の回転範囲に対する広く使用されたSVDベース損失関数の感度の差を追跡した。著者らは,点対応の負の対数尤度に基づく損失関数の利用を通して,新しい正規化戦略,Match正規化,および2番目を導入することによって,最初の課題に取り組んだ。著者らの2つの貢献は一般的であり,多くの既存の学習ベースの3Dオブジェクト登録フレームワークに適用でき,それらの2つ,DCPとIDAMの実装によって例証した。実センTUD-L,LINEMODおよびOcludd-LINEMODデータセットに関する著者らの実験は,著者らの戦略の利点を証明した。それらは,実世界データに関する意味のある結果を達成するために,初めて学習ベースの3Dオブジェクト登録方法を可能にする。したがって,ポイントクラウド登録方法の将来の開発への鍵であることが期待される。【JST・京大機械翻訳】