TPAMI 2025 | Glissando-Net: 基于单视图的类别级姿态估计与3D重建

论文信息

Glissando-Net: Deep Single vIew Category Level Pose eStimation ANd 3D Reconstruction
Glissando-Net: 基于单视图的类别级姿态估计与3D重建
作者:Bo Sun; Hao Kang; Li Guan; Haoxiang Li; Philippos Mordohai; Gang Hua

论文创新点

  1. 联合估计3D形状和6D姿态: Glissando-Net能够从单张RGB图像中同时估计物体的3D形状和6D姿态,而以往的研究大多集中在单一任务上(如仅估计姿态或仅重建形状)。

  2. 类别级别的泛化能力: 该方法在类别级别上工作,训练时仅观察同一类别的物体,而从未见过测试物体。这使得模型能够预测新物体的3D形状并同时估计其姿态,具有更强的泛化能力。

  3. <

你可能感兴趣的:(论文解读,IEEE,TPAMI,3d,深度学习,论文解读,顶刊论文,IEEE,TPAMI)