CVPR 2024滿分論文，英偉達開源BOP排行榜6D物體姿態(tài)第一名方法

AIGC動態(tài)歡迎閱讀

原標題：CVPR 2024滿分論文，英偉達開源BOP排行榜6D物體姿態(tài)第一名方法
關鍵字：姿態(tài),模型,物體,數(shù)據,方法
文章來源：機器之心
內容字數(shù)：7521字

內容摘要：

機器之心專欄
機器之心編輯部物體姿態(tài)估計對于各種應用至關重要，例如機器人操縱和混合現(xiàn)實。實例級方法通常需要紋理 CAD 模型來生成訓練數(shù)據，并且不能應用于測試時未見過的新物體；而類別級方法消除了這些假設（實例訓練和 CAD 模型），但獲取類別級訓練數(shù)據需要應用額外的姿態(tài)標準化和檢查步驟。
為了解決這些問題，來自英偉達的研究團隊提出了一個統(tǒng)一的框架，稱為 FoundationPose，它在基于模型和無模型設置下，使用 RGBD 圖像對新穎物體進行姿態(tài)估計和跟蹤。如下圖所示，F(xiàn)oundationPose優(yōu)于現(xiàn)有專門針對這四項任務中每一項的 SOTA 方法。FoundationPose通過大規(guī)模合成訓練實現(xiàn)了強大的泛化能力，輔以大型語言模型（LLM）、以及一種新穎的基于 Transformer 的架構和對比學習。該研究利用神經隱式表示填補了基于模型和無模型設置之間的差距，使得FoundationPose可以使用少量（約 16 張）參考圖像進行有效的新穎視圖合成，實現(xiàn)了比之前的渲染與比較方法 [32, 36, 67] 更快的渲染速度。研究論文被評為 CVPR 2024 滿分論文，代碼已開源。論

原文鏈接：CVPR 2024滿分論文，英偉達開源BOP排行榜6D物體姿態(tài)第一名方法

聯(lián)系作者

文章來源：機器之心
作者微信：almosthuman2014
作者簡介：專業(yè)的人工智能媒體和產業(yè)服務平臺