منذ 2 أشهر

6-PACK: مُتَّبِع الوضْع السداسي الأبعاد على مستوى الفئة باستخدام النقاط الرئيسية القائمة على الركائز

Wang, Chen ; Martín-Martín, Roberto ; Xu, Danfei ; Lv, Jun ; Lu, Cewu ; Fei-Fei, Li ; Savarese, Silvio ; Zhu, Yuke

الملخص

نقدم طريقة 6-PACK، وهي نهج يستند إلى التعلم العميق لتتبع وضعية الأشياء في ستة أبعاد (6D) على بيانات RGB-D. يتيح هذا النهج تتبع حالات الأشياء الجديدة في الوقت الفعلي ضمن فئات أشياء معروفة مثل الأطباق، والأجهزة المحمولة، والأكواب. تقوم 6-PACK بتعلم تمثيل مضغوط للأشياء من خلال مجموعة محدودة من النقاط الرئيسية ثلاثية الأبعاد (3D keypoints)، حيث يمكن تقدير الحركة بين الإطارات لنموذج شيء ما من خلال مطابقة هذه النقاط الرئيسية. يتم تعلم هذه النقاط الرئيسية بطريقة شاملة ودون إشراف يدوي لكي تكون الأكثر فعالية في عملية التتبع. تظهر تجاربنا أن طرقتنا تتفوق بشكل كبير على الطرق الموجودة على مقاييس تقدير وضعية الأشياء في ستة أبعاد لـ NOCS (NOCS category-level 6D pose estimation benchmark) وتدعم روبوتًا ماديًا لأداء مهام تحكم دوري بسيطة تعتمد على الرؤية. يمكن الوصول إلى كودنا والفيديو عبر الرابط: https://sites.google.com/view/6packtracking.