Representación de Rotación 6D para Estimación de Posición de Cabeza No Restrictiva

En este artículo, presentamos un método para la estimación de posición de cabeza de extremo a extremo sin restricciones. Abordamos el problema de las etiquetas de rotación ambiguas introduciendo el formalismo de matriz de rotación para nuestros datos de verdad terrestre y proponemos una representación continua de matriz de rotación 6D para una regresión directa eficiente y robusta. De esta manera, nuestro método puede aprender la apariencia completa de la rotación que supera las capacidades de enfoques anteriores que restringen la predicción de la posición a un ángulo estrecho para resultados satisfactorios. Además, proponemos una pérdida basada en la distancia geodésica para penalizar nuestra red con respecto a la geometría del manifold SO(3). Los experimentos en los conjuntos de datos públicos AFLW2000 y BIWI demuestran que nuestro método propuesto supera significativamente a otros métodos de vanguardia hasta en un 20%. Publicamos nuestro código de entrenamiento y prueba junto con nuestros modelos entrenados: https://github.com/thohemp/6DRepNet.