카테고리 수준 6D 객체 자세 추정을 위한 인스턴스 적응형 및 기하 인식 키포인트 학습

카테고리 수준 6D 객체 자세 추정은 특정 카테고리 내에서 보이지 않는 인스턴스의 회전, 변환 및 크기를 추정하는 것을 목표로 합니다. 이 분야에서 밀집 대응 기반 방법이 우수한 성능을 달성했지만, 서로 다른 인스턴스의 지역 및 글로벌 기하학적 정보를 명확하게 고려하지 않아 형태 변형이 큰 보이지 않는 인스턴스에 대한 일반화 능력이 떨어집니다. 이 문제를 해결하기 위해, 우리는 카테고리 수준 6D 객체 자세 추정을 위한 새로운 인스턴스 적응형 및 기하 인식 키포인트 학습 방법(AG-Pose)을 제안합니다. 이 방법에는 두 가지 주요 설계가 포함됩니다: (1) 첫 번째 설계는 다양한 인스턴스를 위해 기하학적 구조를 나타내기 위해 적응적으로 희소 키포인트 집합을 탐지할 수 있는 인스턴스 적응형 키포인트 감지 모듈입니다. (2) 두 번째 설계는 키포인트 특징에 지역 및 글로벌 기하학적 정보를 효율적으로 통합할 수 있는 기하 인식 특징 집계 모듈입니다. 이 두 모듈은 보이지 않는 인스턴스에 대한 견고한 키포인트 수준 대응을 구축하기 위해 함께 작동하며, 모델의 일반화 능력을 향상시킵니다. CAMERA25 및 REAL275 데이터셋에 대한 실험 결과는 제안된 AG-Pose가 카테고리 특정 형태 사전 없이 최첨단 방법을 크게 추월함을 보여줍니다.