CVPR 2024 | 零样本6D物体姿态估计框架SAM-6D，向具身智能更进一步

AIGC动态欢迎阅读

原标题：CVPR 2024 | 零样本6D物体姿态估计框架SAM-6D，向具身智能更进一步
关键字：物体,姿态,模型,分数,样本
文章来源：机器之心
内容字数：7316字

内容摘要：

机器之心专栏
机器之心编辑部物体姿态估计在许多现实世界应用中起到至关重要的作用，例如具身智能、机器人灵巧操作和增强现实等。
在这一领域中，最先受到关注的任务是实例级别 6D 姿态估计，其需要关于目标物体的带标注数据进行模型训练，使深度模型具有物体特定性，无法迁移应用到新物体上。后来研究热点逐步转向类别级别 6D 姿态估计，用于处理未见过的物体，但要求该物体属于已知的感兴趣类别。
而零样本 6D 姿态估计是一种更具泛化性的任务设置，给定任意物体的 CAD 模型，旨在场景中检测出该目标物体，并估计其 6D 姿态。尽管其具有重要意义，这种零样本的任务设置在物体检测和姿态估计方面都面临着巨大的挑战。图 1. 零样本 6D 物体姿态估计任务示意
最近，分割一切模型 SAM [1] 备受关注，其出色的零样本分割能力令人瞩目。SAM 通过各种提示，如像素点、包围框、文本和掩膜等，实现高精度的分割，这也为零样本 6D 物体姿态估计任务提供了可靠的支撑， 展现了其前景的潜力。
因此，来自跨维智能、香港中文大学（深圳）、华南理工大学的研究人员提出了一个新颖的零样本 6D 物体姿态估计框架 SAM-6D。该

原文链接：CVPR 2024 | 零样本6D物体姿态估计框架SAM-6D，向具身智能更进一步

联系作者

文章来源：机器之心
作者微信：almosthuman2014
作者简介：专业的人工智能媒体和产业服务平台