| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2024-12-20 13:20 回帰特徴の再構成による物体姿勢の生成的推論 ○磯部 凌・川上 玲（Science Tokyo）・池畑 諭（Science Tokyo/NII）・佐藤育郎（Science Tokyo/デンソーアイティーラボラトリ）  IBISML2024-40 |
|
| 抄録 | （和） | 単画像からの正確な物体の姿勢推定は、自動運転や製造業において重要なタスクである。従来の研究の多くは機械学習ベースの姿勢回帰器を用いる手法をとるが、推論時に姿勢を反復的に更新する「合成による分析(analysis-by-synthesis)」アプローチをとる手法も存在する。3Dモデルが存在しない場合、後者のアプローチでは新規視点合成ネットワークが使用されるが、合成器により生成された画像は正確な姿勢推定に重要な特徴を欠いている可能性がある。 本研究では、学習済の姿勢回帰器の事前知識を活用し、画像合成器が生成する画像が姿勢推定に重要な特徴を含むような制約を課す、GIRRという手法を提案する。推論時には、合成器による損失と回帰器による損失を最小化するように物体の姿勢を最適化する。 実験では、ModelNet10-SO3およびShapeNetデータセットにおいて、GIRRが最先端の回機器単体の性能を上回る性能を発揮することを示す。 |
| （英） | Accurate object pose estimation from a single image is an important task for autonomous driving and manufacturing. While most of previous studies use machine-learning based pose regressors, some employ an analysis-by-synthesis approach to iteratively update the pose during inference. Without 3D models, the latter approach can employ novel-view synthesis networks, but the images generated by the synthesizer may lack features essential for accurate pose estimation. In this study, we propose GIRR: Generative Inference for object poses by Regressive-feature Reconstruction that leverages prior knowledge in a pre-trained pose regressor to guide the training of the novel-view synthesis network so that generated images contain features essential for pose estimation. At inference time, object pose is optimized with respect to the sequence of the image synthesizer and the pose regressor. We demonstrate experimentally that our method outperforms existing high-performing regressors on ModelNet10-SO3 and ShapeNet. |
|
| キーワード | （和） | 3次元物体姿勢推定 / 合成による分析 / 新規視点合成 / / / / / |
| （英） | 3d object pose estimation / analysis-by-synthesis / novel-view synthesis / / / / / | |
| 文献情報 | 信学技報, vol. 124, no. 321, IBISML2024-40, pp. 62-69, 2024年12月. | |
| 資料番号 | IBISML2024-40 | |
| 発行日 | 2024-12-13 (IBISML) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | IBISML2024-40 |
|
| 研究会情報 | |
| 研究会 | IBISML |
| 開催期間 | 2024-12-20 - 2024-12-21 |
| 開催地（和） | 北海道大学大学院環境科学院棟講義室１(D101) |
| 開催地（英） | Lecture room 1 (D101), Graduate School of Environmental Science |
| テーマ（和） | 生成AI、機械学習一般 |
| テーマ（英） | generative AI, machine learning |
| 講演論文情報の詳細 | |
| 申込み研究会 | IBISML |
| 会議コード | 2024-12-IBISML |
| 本文の言語 | 英語（日本語タイトルあり） |
| タイトル（和） | 回帰特徴の再構成による物体姿勢の生成的推論 |
| サブタイトル（和） | |
| タイトル（英） | Generative Inference for object poses by Regressive-feature Reconstruction |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 3次元物体姿勢推定 / 3d object pose estimation |
| キーワード(2)（和/英） | 合成による分析 / analysis-by-synthesis |
| キーワード(3)（和/英） | 新規視点合成 / novel-view synthesis |
| キーワード(4)（和/英） | / |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 磯部 凌 / Ryo Isobe / イソベ リョウ |
| 第1著者 所属（和/英） | 東京科学大学 (略称： Science Tokyo) Institute of Science Tokyo (略称： Science Tokyo) |
| 第2著者 氏名（和/英/ヨミ） | 川上 玲 / Rei Kawakami / カワカミ レイ |
| 第2著者 所属（和/英） | 東京科学大学 (略称： Science Tokyo) Institute of Science Tokyo (略称： Science Tokyo) |
| 第3著者 氏名（和/英/ヨミ） | 池畑 諭 / Satoshi Ikehata / イケハタ サトシ |
| 第3著者 所属（和/英） | 東京科学大学/国立情報学研究所 (略称： Science Tokyo/NII) Institute of Science Tokyo/National Institute of Informatics (略称： Science Tokyo/NII) |
| 第4著者 氏名（和/英/ヨミ） | 佐藤 育郎 / Ikuro Sato / サトウ イクロウ |
| 第4著者 所属（和/英） | 東京科学大学/デンソーITラボラトリ (略称： Science Tokyo/デンソーアイティーラボラトリ) Institute of Science Tokyo/Denso IT Laboratory (略称： Science Tokyo/Denso IT Lab) |
| 講演者 | 第1著者 |
| 発表日時 | 2024-12-20 13:20:00 |
| 発表時間 | 20分 |
| 申込先研究会 | IBISML |
| 資料番号 | IBISML2024-40 |
| 巻番号（vol） | vol.124 |
| 号番号（no） | no.321 |
| ページ範囲 | pp.62-69 |
| ページ数 | 8 |
| 発行日 | 2024-12-13 (IBISML) |
[研究会発表申込システムのトップページに戻る]