elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

Multi-Path Learning for Object Pose Estimation Across Domains

Sundermeyer, Martin und Durner, Maximilian und Puang, En Yen und Marton, Zoltan-Csaba und Vaskevicius, Narunas und Kai, O. Arras und Triebel, Rudolph (2020) Multi-Path Learning for Object Pose Estimation Across Domains. In: 2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition, CVPR 2020, Seiten 13916-13925. IEEE. IEEE Conference on Computer Vision and Pattern Recognition, 2020-06-14 - 2020-06-19, Seattle, USA. doi: 10.1109/CVPR42600.2020.01393. ISBN 978-172817168-5. ISSN 1063-6919.

[img] PDF
2MB

Offizielle URL: https://openaccess.thecvf.com/content_CVPR_2020/html/Sundermeyer_Multi-Path_Learning_for_Object_Pose_Estimation_Across_Domains_CVPR_2020_paper.html

Kurzfassung

We introduce a scalable approach for object pose estima-tion trained on simulated RGB views of multiple 3D modelstogether. We learn an encoding of object views that doesnot only describe an implicit orientation of all objects seenduring training, but can also relate views of untrained ob-jects. Our single-encoder-multi-decoder network is trainedusing a technique we denote multi-path learning: Whilethe encoder is shared by all objects, each decoder only re-constructs views of a single object. Consequently, viewsof different instances do not have to be separated in thelatent space and can share common features. The result-ing encoder generalizes well from synthetic to real dataand across various instances, categories, model types anddatasets. We systematically investigate the learned encod-ings, their generalization, and iterative refinement strate-gies on the ModelNet40 and T-LESS dataset. Despite train-ing jointly on multiple objects, our 6D Object Detectionpipeline achieves state-of-the-art results on T-LESS at muchlower runtimes than competing approaches.

elib-URL des Eintrags:https://elib.dlr.de/135550/
Dokumentart:Konferenzbeitrag (Poster)
Titel:Multi-Path Learning for Object Pose Estimation Across Domains
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Sundermeyer, Martinmartin.sundermeyer (at) dlr.dehttps://orcid.org/0000-0003-0587-9643NICHT SPEZIFIZIERT
Durner, MaximilianMaximilian.Durner (at) dlr.dehttps://orcid.org/0000-0001-8885-5334NICHT SPEZIFIZIERT
Puang, En YenEn.Puang (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Marton, Zoltan-CsabaZoltan.Marton (at) dlr.dehttps://orcid.org/0000-0002-3035-493XNICHT SPEZIFIZIERT
Vaskevicius, NarunasNarunas.Vaskevicius (at) de.bosch.comNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Kai, O. ArrasKaiOliver.Arras (at) de.bosch.comNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Triebel, RudolphRudolph.Triebel (at) dlr.dehttps://orcid.org/0000-0002-7975-036XNICHT SPEZIFIZIERT
Datum:Juni 2020
Erschienen in:2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition, CVPR 2020
Referierte Publikation:Ja
Open Access:Ja
Gold Open Access:Nein
In SCOPUS:Ja
In ISI Web of Science:Ja
DOI:10.1109/CVPR42600.2020.01393
Seitenbereich:Seiten 13916-13925
Verlag:IEEE
ISSN:1063-6919
ISBN:978-172817168-5
Status:veröffentlicht
Stichwörter:Object Pose Estimation, Encodings, Multi Object, Synthetic Data, Symmetries, Autoencoder, Embedding, 6D Object Detection, T-LESS, Relative Pose Estimation
Veranstaltungstitel:IEEE Conference on Computer Vision and Pattern Recognition
Veranstaltungsort:Seattle, USA
Veranstaltungsart:internationale Konferenz
Veranstaltungsbeginn:14 Juni 2020
Veranstaltungsende:19 Juni 2020
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Raumfahrt
HGF - Programmthema:Technik für Raumfahrtsysteme
DLR - Schwerpunkt:Raumfahrt
DLR - Forschungsgebiet:R SY - Technik für Raumfahrtsysteme
DLR - Teilgebiet (Projekt, Vorhaben):R - Vorhaben Multisensorielle Weltmodellierung (alt)
Standort: Oberpfaffenhofen
Institute & Einrichtungen:Institut für Robotik und Mechatronik (ab 2013) > Perzeption und Kognition
Hinterlegt von: Sundermeyer, Martin
Hinterlegt am:22 Jul 2020 18:48
Letzte Änderung:04 Jun 2024 15:06

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.