日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

姿勢推定arXiv:2604.16954

TSM-Pose: カテゴリレベル物体姿勢推定のためのトポロジー認識学習とセマンティックMamba

TSM-Pose: Topology-Aware Learning with Semantic Mamba for Category-Level Object Pose Estimation

シェア:XThreadsFacebookLINEはてブBluesky

カテゴリレベル物体姿勢推定の汎化性能を高めるため、点群のトポロジー構造を捉える抽出器と、Mambaベースのセマンティック集約器を導入したフレームワークを提案した。

詳しい要約

1. どんなもの?

- カテゴリーレベルの物体姿勢推定のための新しいフレームワークTSM-Poseを提案。 - 未見インスタンスへのロバストな汎化を目指す。 - トポロジー認識学習とSemantic Mambaを組み合わせる。 - 点群のグローバルトポロジー表現と局所幾何特徴を統合。 - Mambaベースのグローバルセマンティックアグリゲータでキーポイントの表現力を強化。

2. 先行研究と比べてどこがすごい?

- 既存手法は単純な特徴抽出・集約に依存し、カテゴリー共有のトポロジー構造やセマンティックキーポイントモデリングが不十分。 - TSM-Poseはトポロジー抽出器とMambaベースのセマンティックアグリゲータを導入し、汎化性能を向上。 - 3つのベンチマークで既存の最先端手法を上回る性能を達成。

3. 技術・手法の肝は?

- Topology Extractor:点群のグローバルトポロジー表現を抽出し、局所幾何特徴に統合。 - Mamba-based Global Semantic Aggregator:セマンティックプライアをキーポイントに注入し、表現力を強化。 - 複数のTwinMambaブロックで長距離依存関係をモデル化し、グローバル特徴集約を効果的に行う。

4. どうやって有効だと検証した?

- 3つのベンチマークデータセット(REAL275, CAMERA25, HouseCat6D)で広範な実験を実施。 - 既存の最先端手法を上回る性能を確認。

5. 議論はある?

- 要旨からは不明。

6. 次に読むべき論文は?

- 要旨で参照/比較されている研究は明示されていない。 - 関連手法として、カテゴリーレベルの姿勢推定におけるトポロジー認識やMambaベースの手法、およびベンチマークデータセット(REAL275, CAMERA25, HouseCat6D)を用いた研究が挙げられる。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Jinshuo Liu, Bingtao Ma, Junlin Su, Guanyuan Pan, Beining Wu, Cheng Yang, Jiaxuan Lu, Chenggang Yan, Shuai Wang

分類: cs.CV

原文アブストラクト

Category-level object pose estimation is fundamental for embodied intelligence, yet achieving robust generalization to unseen instances remains challenging. However, existing methods mainly rely on simple feature extraction and aggregation, which struggle to capture category-shared topological structures and conduct semantic keypoint modeling, limiting their generalization. To address these, we propose a \textbf{T}opology-Aware Learning with \textbf{S}emantic \textbf{M}amba for Category-Level \textbf{P}ose Estimation framework (TSM-Pose). Specifically, we introduce a Topology Extractor to capture the global topological representation of the point cloud, which is integrated into local geometry features and enables robust category-level structural representation. Simultaneously, we propose a Mamba-based Global Semantic Aggregator that injects semantics priors into keypoints to enhance their expressiveness and leverages multiple TwinMamba blocks to model long-range dependencies for more effective global feature aggregation. Extensive experiments on three benchmark datasets (REAL275, CAMERA25, and HouseCat6D) demonstrate that TSM-Pose outperforms existing state-of-the-art methods.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  3. 3newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI