arXiv · 机器人与计算机视觉· Tom Fischer, Martin Sundermeyer, Adam Kortylewski, Eddy Ilg·· 10 天前AI 评分72
基于野外视频的共享标准物体坐标系涌现方法
Emergence of a Shared Canonical Object Frame from In-the-Wild Videos
AI 导读
针对跨实例物体姿态表达需统一标准坐标系的难题,本文提出一种无需人工标注或类别条件的方法。通过自监督学习刚性物体的野外视频,利用结构从运动(SfM)提供的噪声相机位姿和特征提取器的语义先验,使模型在共享几何瓶颈中涌现出一致的标准坐标系。该方法在约 160,000 个野外物体视频上训练,在类别级姿态估计基准测试中达到与依赖标准姿态监督方法相当的准确率。代码与检查点已开源。
来源:arXiv · 机器人与计算机视觉 · arxiv.org