文献

J-GLOBAL ID：202202235832451169   整理番号：22A1062608

RMTrack:連続画像レンダーマッチによる6Dオブジェクト姿勢追跡【JST・京大機械翻訳】

RMTrack: 6D Object Pose Tracking by Continuous Image Render Match

著者 (4件)： Cao Enyuan (Institute of Automation, Chinese Academy of Sciences, China and University of Chinese Academy of Sciences, School of Artificial Intelligence, China) ,  Zhu Xiaoyang (Institute of Automation, Chinese Academy of Sciences, China) ,  Yu Haitao (Institute of Automation, Chinese Academy of Sciences, China) ,  Jiang Yongshi (Institute of Automation, Chinese Academy of Sciences, China)
資料名： ACM Proceedings  (ACM Proceedings)
号： ICIGP 2022  ページ： 303-309  発行年： 2022年 
JST資料番号： D0698C  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： 既知の物体の6D姿勢の推定は,拡張現実とロボット操作において非常に重要な応用を持つ。この問題は,シーンのクラッタ,オブジェクトの多様性,および照明とテクスチャの複雑性のために挑戦的である。本研究では,6D物体姿勢推定のための深層学習アーキテクチャと,物体移動を予測できるニューラルネットワークを提案した。電流フレームの観察と以前の予測のレンダリング画像の間の相対姿勢を予測する学習により,物体の姿勢を長時間ロバストに追跡できる。また,物体運動を表現する効率的方法を導入し,この方法が強いクロスデータセット一般化を持つように,視野とオブジェクトスケールの影響を低減することができる。LINEMODデータセット,OccliddLINEMODデータセット,およびYCBデータセットに関する多くの実験を行い,この方法が入力としてカラー画像のみを用いて正確な姿勢推定を提供でき,一方,オクルージョンに対して非常にロバストであることを示した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 電流 ,  推定 ,  ロボット ,  追跡 ,  ニューラルネットワーク ,  クラッタ ,  *姿勢 ,  カラー画像 ,  計算機アーキテクチャ ,  ロバスト性 ,  レンダリング ,  機械学習 ,  オクルージョン ,  拡張現実感
準シソーラス用語： *画像列 ,  姿勢推定 ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (2件)： 6D姿勢追跡 ,  深層学習

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 連続画像 ,  オブジェクト ,  姿勢 ,  追跡