초록
이미지에서 객체의 6D 자세를 추정하는 것은 로봇 조작 및 가상 현실 등 다양한 응용 분야에서 중요한 문제입니다. 이미지를 객체 자세로 직접 회귀시키는 방법은 정확도가 제한적이지만, 객체의 렌더링된 이미지를 관찰된 이미지와 매칭하면 정확한 결과를 얻을 수 있습니다. 본 연구에서는 6D 자세 매칭을 위한 새로운 딥 뉴럴 네트워크인 DeepIM(Deep Iterative Matching)을 제안합니다. 초기 자세 추정치가 주어진 경우, 우리의 네트워크는 렌더링된 이미지를 관찰된 이미지와 매칭하여 반복적으로 자세를 개선할 수 있습니다. 이 네트워크는 3D 위치와 3D 방향의 엉키지 않은 표현과 반복적인 학습 과정을 사용하여 상대적인 자세 변환을 예측하도록 훈련됩니다. 두 가지 일반적으로 사용되는 6D 자세 추정 벤치마크에 대한 실험 결과, DeepIM이 기존 최신 방법보다 크게 개선되었음을 보여줍니다. 또한 우리는 DeepIM이 이전에 본 적 없는 객체를 매칭할 수 있음을 입증하였습니다.