今天15點大講堂｜DeepIM：基於單張RGB圖像的物體姿態估計

新聞 11-07

雷鋒網AI研習社訊：物體姿態估計在機器人領域（如機械臂抓取），AR/VR領域，無人駕駛領域有著廣泛的應用，在物體跟蹤，建模等相關領域也有著重要的影響。任務提供物體三維模型和一張RGB(D)圖像，要求精確估計該物體在圖像中的位置。雖然RGB相機有著廣視角，高解析度，可以室外工作等一系列優點，可是由於缺少強大的基於RGB圖像的姿態優化方法，基於RGB圖像的在該任務上的精度遠低於基於RGB-D圖像的方法。本工作提出了一個解決方案，能大幅度提升RGB圖像上物體姿態估計的精度，多個指標追平乃至超越基於RGB-D圖像的方法的結果。

分享主題

DeepIM: 基於單張RGB圖像的物體姿態估計

分享嘉賓

李益，華盛頓大學博士生，本科碩士畢業於清華大學，COCO2016冠軍，R-FCN, FCIS, Deformable-Conv作者。

分享提綱

1. 任務背景介紹：什麼是物體姿態估計，以及為什麼要在RGB圖像上做

2. 網路整體框架：迭代更新估計結果並重新預測殘差

3. 關鍵點：如何設計合理的representation來表示預測結果

4. ablation study & results：各個設計的原因和思考，和其他方法的比較

5. 擴展探究：在沒見過的物體上也能有效

分享時間

北京時間11 月 07 日（周三） 15：00