초록
6D 자세 추정 문제를 해결하는 것은 내재적인 외관과 형태 변동 및 객체 간 심각한 가림 현상에 대처하기가 쉽지 않습니다. 이는 비제어 환경에서 발생하는 외부 조명의 큰 변화와 획득된 데이터의 저품질로 인해 더욱 어려워집니다. 본 논문에서는 입력 데이터에서 6D 자세와 모델 공간의 3D 좌표로 밀도 있게 회귀(regression)하는 새로운 자세 추정 알고리즘인 W-PoseNet을 소개합니다. 즉, 우리의 딥 네트워크에서 자세 회귀를 위한 로컬 특징은 보조 작업으로서 3D 자세에 민감한 좌표로 픽셀 단위 대응 매핑(correspondence mapping)을 명시적으로 학습하여 규제됩니다. 또한, 픽셀 단위 특징들의 희소 쌍 조합과 픽셀 쌍 자세 예측에 대한 부드러운 투표(soft voting)가 설계되어 일관성 없는 희소한 로컬 특징에 대한 강건성을 개선합니다. YCB-Video 및 LineMOD 벤치마크에서 수행한 실험 결과는 제안된 W-PoseNet이 최신 기술(state-of-the-art) 알고리즘들보다 일관되게 우수한 성능을 달성함을 보여줍니다.