今天15点大讲堂 | DeepIM: 基于单张RGB图像的物体姿态估计

本文作者： AI研习社

2018-11-07 14:14

导语：本工作提出了一个解决方案，能大幅度提升RGB图像上物体姿态估计的精度，多个指标追平乃至超越基于RGB-D图像的方法的结果。

雷锋网AI研习社讯：物体姿态估计在机器人领域（如机械臂抓取），AR/VR领域，无人驾驶领域有着广泛的应用，在物体跟踪，建模等相关领域也有着重要的影响。任务提供物体三维模型和一张RGB(D)图像，要求精确估计该物体在图像中的位置。虽然RGB相机有着广视角，高分辨率，可以室外工作等一系列优点，可是由于缺少强大的基于RGB图像的姿态优化方法，基于RGB图像的在该任务上的精度远低于基于RGB-D图像的方法。本工作提出了一个解决方案，能大幅度提升RGB图像上物体姿态估计的精度，多个指标追平乃至超越基于RGB-D图像的方法的结果。

分享主题

DeepIM: 基于单张RGB图像的物体姿态估计

分享嘉宾

李益，华盛顿大学博士生，本科硕士毕业于清华大学，COCO2016冠军，R-FCN, FCIS, Deformable-Conv作者。

分享提纲

1. 任务背景介绍：什么是物体姿态估计，以及为什么要在RGB图像上做

2. 网络整体框架：迭代更新估计结果并重新预测残差

3. 关键点：如何设计合理的representation来表示预测结果

4. ablation study & results：各个设计的原因和思考，和其他方法的比较

5. 扩展探究：在没见过的物体上也能有效

分享时间

北京时间 11 月 07 日（周三） 15：00