Hugging Face · 每日论文· 媒体 / 作者来源·精选
F2G-Pose：几何感知基础特征提升实现RGB-D类别级物体姿态估计
原文标题
F2G-Pose: Geometry-Aware Foundation Feature Lifting for Direct RGB-D Category-Level Object Pose Estimation
AI 导读
研究团队提出F2G-Pose框架，通过单次前向预测从RGB-D观测中直接估计物体3D姿态、度量尺寸和相机坐标系下的完整形状。该方法将密集视觉基础特征提升到部分点云，使用DGCNN标记编码局部几何，并通过专家混合Transformer整合物体级结构。在SOPE和ROPE基准上达到最先进精度，姿态推理速度达28 FPS，并在HouseCat6D和HANDAL数据集上展示了强几何性能和真实物体迁移能力。
来源：Hugging Face · 每日论文 · arxiv.org
导读与选稿说明
F2G-Pose实现了实时单次前向预测的类别级物体姿态估计，在保持高精度的同时解决了现有方法在可靠性和效率之间的平衡问题。
导读由模型辅助整理，非独立核验。完整信息见原文。