返回研究文献库

物体位姿估计 · 2021 · CVPR · CCF A

GDR-Net: Geometry-Guided Direct Regression Network for Monocular 6D Object Pose Estimation

结合几何引导的中间表示和直接姿态回归,在单目 RGB 位姿估计中兼顾端到端预测和几何约束。

研究方向

物体位姿估计

任务层级

Instance-level

物体设定

Seen objects

输入模态

RGB

关键依赖

camera intrinsicsCAD modelobject detector/mask
完整论文元数据 作者、单位、研究方向、数据集、指标、方法标签和阅读状态 展开
作者
Gu Wang, Fabian Manhardt, Federico Tombari, Xiangyang Ji
作者单位
Tsinghua University / Technical University of Munich / Google
会议 / 期刊
会议 · CVPR · CCF A
研究方向
物体位姿估计
开源状态
已开源
阅读状态
粗读:已生成 精读:已生成
任务设定
Instance-level · Seen objects
评估指标
ADD ADD-S VSD MSSD MSPD BOP AR

论文原始写法:ADD / ADD-S / VSD / MSSD / MSPD / AR

关键依赖
camera intrinsicsCAD modelobject detector/mask

Reading Notes

粗读 / 精读

已生成 src/paper-notes/gdr-net/coarse.md

论文粗读笔记

用于快速判断论文定位、问题设定、核心方法、实验结论和是否值得精读。

当前还没有写入正式笔记。后续可用读论文流程生成 Markdown 后放到上方路径,详情页再渲染为正式内容。

预留内容结构

  1. 01 基本信息
  2. 02 一句话定位
  3. 03 方法输入与输出
  4. 04 问题设定
  5. 05 核心动机
  6. 06 方法概览
  7. 07 实验概览
  8. 08 优缺点
  9. 09 对我的启发

Related Papers

相关论文