-
[논문 리뷰] Domain Randomization for Transferring Deep Neural Networks from Simulation to the Real World
사실적인 렌더링 대신 질감·조명·카메라를 마구 바꾼 시뮬레이션 이미지로만 학습해, 실제 카메라에서 1.5 cm 정확도로 물체를 찾고 집은 도메인 랜덤화 논문 정리
-
[논문 리뷰] FoundationPose: Unified 6D Pose Estimation and Tracking of Novel Objects
대규모 합성 데이터로 한 번 학습한 렌더링-비교 네트워크로, CAD나 참조 이미지만 있으면 처음 보는 물체의 6D 자세를 추정하고 추적하는 FoundationPose 논문 정리
-
[논문 리뷰] SAM-6D: Segment Anything Model Meets Zero-Shot 6D Object Pose Estimation
SAM으로 후보 마스크를 모두 만들고 렌더링 템플릿과 비교해 물체를 고른 뒤, 배경 토큰을 둔 2단계 점 매칭으로 처음 보는 물체의 6D 자세를 구하는 SAM-6D 논문 정리
-
[논문 리뷰] FFB6D: A Full Flow Bidirectional Fusion Network for 6D Pose Estimation
RGB를 보는 CNN과 점군을 보는 네트워크를 모든 층에서 양방향으로 섞고, SIFT-FPS로 고른 3D 키포인트에 투표해 6D 자세를 구하는 FFB6D 논문 정리
-
[논문 리뷰] PoseCNN: 6D Object Pose Estimation in Cluttered Scenes
물체 중심 투표로 위치를, 쿼터니언 회귀로 회전을 따로 구하고, 대칭 물체용 ShapeMatch-Loss와 YCB-Video 데이터셋을 함께 낸 PoseCNN 논문 정리