SD-Net: 对称感知关键点预测和领域自适应在抓取场景下的 6D 姿态估计
原文中文，约300字，阅读约需1分钟。发表于：。通过利用对称感知关键点预测和自训练领域适应（SD-Net）构建新的 6D 姿态估计网络，在解决物体对称性问题和真实场景领域差异问题方面取得了成功，通过在关键点预测阶段引入鲁棒的 3D 关键点选择策略和在领域适应阶段采用学生 - 教师训练方案进行可靠预测与强化学习，SD-Net 在各个评估数据集上取得了最先进的结果。
本文介绍了一种新的自监督关键点径向投票型6DoF PE框架，通过学习核函数缩小仿真和真实领域之间的差距。该方法在三个6DoF PE数据集上达到最先进性能，并与全监督方法在六个BOP核心数据集上相媲美。
