CullNet：オブジェクトポーズ推定におけるキャリブレート済みかつポーズ認識型信頼度スコア

本稿では、単一視点からの画像に基づく物体ポーズ推定のための新規アプローチを提示する。特に、複数のポーズ候補推定値の中から誤検出（false positives）を除去する問題に着目している。本研究で提案する手法は、現在多くの手法で用いられているCNNによる信頼度スコアの不正確さという問題に焦点を当てている。この課題を解決するために、CullNetと呼ばれるニューラルネットワークを構築した。CullNetは、3Dモデルからレンダリングされたポーズマスクのペアと、元画像から切り出された領域を入力として扱う。この入力を用いて、ポーズ候補の信頼度スコアを補正・キャリブレーションする。実験結果により、この新たな信頼度スコアセットは、物体ポーズ推定の精度向上に著しく有効であることが示された。LINEMODおよびOcclusion LINEMODといった複数の挑戦的なデータセットにおける実験結果から、本手法の有効性が裏付けられている。本研究で提示する全体的なポーズ推定パイプラインは、これらの標準的な物体ポーズ推定データセットにおいて、既存の最先端手法を上回る性能を達成した。本研究の実装コードは、https://github.com/kartikgupta-at-anu/CullNet にて公開されている。