CVPR 2024 | 零樣本6D物體姿態估計框架SAM-6D，向具身智能更進一步

AIGC動態歡迎閱讀

原標題：CVPR 2024 | 零樣本6D物體姿態估計框架SAM-6D，向具身智能更進一步
關鍵字：物體,姿態,模型,分數,樣本
文章來源：機器之心
內容字數：7316字

內容摘要：

機器之心專欄
機器之心編輯部物體姿態估計在許多現實世界應用中起到至關重要的作用，例如具身智能、機器人靈巧操作和增強現實等。
在這一領域中，最先受到關注的任務是實例級別 6D 姿態估計，其需要關于目標物體的帶標注數據進行模型訓練，使深度模型具有物體特定性，無法遷移應用到新物體上。后來研究熱點逐步轉向類別級別 6D 姿態估計，用于處理未見過的物體，但要求該物體屬于已知的感興趣類別。
而零樣本 6D 姿態估計是一種更具泛化性的任務設置，給定任意物體的 CAD 模型，旨在場景中檢測出該目標物體，并估計其 6D 姿態。盡管其具有重要意義，這種零樣本的任務設置在物體檢測和姿態估計方面都面臨著巨大的挑戰。圖 1. 零樣本 6D 物體姿態估計任務示意
最近，分割一切模型 SAM [1] 備受關注，其出色的零樣本分割能力令人矚目。SAM 通過各種提示，如像素點、包圍框、文本和掩膜等，實現高精度的分割，這也為零樣本 6D 物體姿態估計任務提供了可靠的支撐， 展現了其前景的潛力。
因此，來自跨維智能、香港中文大學（深圳）、華南理工大學的研究人員提出了一個新穎的零樣本 6D 物體姿態估計框架 SAM-6D。該

原文鏈接：CVPR 2024 | 零樣本6D物體姿態估計框架SAM-6D，向具身智能更進一步

聯系作者

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