EdgePose: una red de atención de bordes para la estimación de la pose 6D
Autores: Feng, Qi; Nong, Jian; Liang, Yanyan
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
EdgePose: una red de atención de bordes para la estimación de la pose 6D
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Estimación de postura
Mecanismo de atención a bordes
Red de fusión de características
Modelo de red de extremo a extremo
Precisión
Robustez
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 20
Citaciones: Sin citaciones
Proponemos un método de estimación de pose 6D que introduce un mecanismo de atención a los bordes en la red de fusión de características bidireccionales. Nuestro método construye un modelo de red de extremo a extremo al compartir pesos entre el codificador de detección de bordes y el codificador de la rama RGB en la red de fusión de características, utilizando de manera efectiva la información de los bordes y mejorando la precisión y robustez de la estimación de pose 6D. Los resultados experimentales muestran que este método logra una precisión de casi el 100% en el conjunto de datos LineMOD, y también alcanza un rendimiento de vanguardia en el conjunto de datos YCB-V, especialmente en objetos con información de bordes significativa.
Descripción
Proponemos un método de estimación de pose 6D que introduce un mecanismo de atención a los bordes en la red de fusión de características bidireccionales. Nuestro método construye un modelo de red de extremo a extremo al compartir pesos entre el codificador de detección de bordes y el codificador de la rama RGB en la red de fusión de características, utilizando de manera efectiva la información de los bordes y mejorando la precisión y robustez de la estimación de pose 6D. Los resultados experimentales muestran que este método logra una precisión de casi el 100% en el conjunto de datos LineMOD, y también alcanza un rendimiento de vanguardia en el conjunto de datos YCB-V, especialmente en objetos con información de bordes significativa.