awesome-6d-object

awesome-6d-object

6D物体姿态估计与重建资源汇总

这个项目整理了6D物体姿态估计、单视图3D物体重建和3D手-物体姿态估计领域的重要资源。内容包括arXiv论文、期刊会议论文、学位论文、数据集、研讨会和挑战赛信息。资源按年份和会议分类,涵盖2014年至今的研究进展,为相关研究人员提供了全面的参考。

物体姿态估计3D重建计算机视觉深度学习CVPRGithub开源项目

Awesome Object Pose Estimation and Reconstruction Awesome

A curated list of related resources for 6D object pose estimation, also including 3D objects reconstruction from a single view, and 3D hand-object pose estimation. 🔥 means new update.

Due to my personal interests, geometry-based work (SFM-based or SLAM-based work) are not collected here. Those papers can be found here.

Another related paper list is about the hand pose estimation, which can be found here.

Some awesome open-source demos (CenterSnap, NOCS, BundleTrack and se(3)-TrackNet):

<p float="left"> <img src="./media/centersnap_reconstruction.gif" width="600" /> </p> <p float="left"> <img src="./media/6dtracking.gif" width="300" /> <img src="./media/ycbineoat.gif" width="300" /> </p> <p float="left"> <img src="./media/ycb_packing.gif" width="600" /> </p>

Contents

<!-- - [Evaluation](#evaluation) -->

* indicates equal contribution

<!-- ## Evaluation See folder [``evaluation``](./evaluation) to get more details about performance evaluation for hand pose estimation. -->

arXiv Papers

[arXiv:2303.06753] Module-Wise Network Quantization for 6D Object Pose Estimation. [PDF]
[arXiv:2303.11516] Linear-Covariance Loss for End-to-End Learning of 6D Pose Estimation. [PDF]
[arXiv:2303.13479] Prior-free Category-level Pose Estimation with Implicit Space Transformation. [PDF]
[arXiv:2210.03437] KRF: Keypoint Refinement with Fusion Network for 6D Pose Estimation. [PDF]

Irvin Haozhe Zhan, Yiheng Han, Yu-Ping Wang, Long Zeng, Yong-Jin Liu

[arXiv:2210.13540] Video based Object 6D Pose Estimation using Transformers. [PDF]

Apoorva Beedu, Huda Alamri, Irfan Essa

[arXiv:2210.11973] Real-Time Constrained 6D Object-Pose Tracking of An In-Hand Suture Needle for Minimally Invasive Robotic Surgery. [PDF]

Zih-Yun Chiu, Florian Richter, Michael C. Yip

[arXiv:2210.11545] 6D Pose Estimation for Textureless Objects on RGB Frames using Multi-View Optimization. [PDF]

Jun Yang, Wenjie Xue, Sahar Ghavidel, Steven L. Waslander

[arXiv:2210.10959] Uni6Dv3: 5D Anchor Mechanism for 6D Pose Estimation. [PDF]

Jianqiu Chen, Mingshan Sun, Ye Zheng, Tianpeng Bao, Zhenyu He, Donghai Li, Guoqiang Jin, Rui Zhao, Liwei Wu, Xiaoke Jiang

[arXiv:2210.07199] Self-Supervised Geometric Correspondence for Category-Level 6D Object Pose Estimation in the Wild. [PDF]

Kaifeng Zhang, Yang Fu, Shubhankar Borse, Hong Cai, Fatih Porikli, Xiaolong Wang

[arXiv:2210.05138] CASAPose: Class-Adaptive and Semantic-Aware Multi-Object Pose Estimation. [PDF]

Niklas Gard, Anna Hilsmann, Peter Eisert

[arXiv:2205.02536] YOLOPose: Transformer-based Multi-Object 6D Pose Estimation using Keypoint Regression. [PDF]

Arash Amini, Arul Selvam Periyasamy, Sven Behnke

[arXiv:2204.09429] HRPose: Real-Time High-Resolution 6D Pose Estimation Network Using Knowledge Distillation. [PDF]

Qi Guan, Zihao Sheng, Shibei Xue

[arXiv:2204.01586] Object Level Depth Reconstruction for Category Level 6D Object Pose Estimation From Monocular RGB Image. [PDF]

Zhaoxin Fan, Zhenbo Song, Jian Xu, Zhicheng Wang, Kejian Wu, Hongyan Liu, Jun He

[arXiv:2203.15309] Learning-based Point Cloud Registration for 6D Object Pose Estimation in the Real World. [PDF]

Zheng Dang, Lizhou Wang, Yu Guo, Mathieu Salzmann

[arXiv:2203.04802] NeRF-Pose: A First-Reconstruct-Then-Regress Approach for Weakly-supervised 6D Object Pose Estimation. [PDF]

Fu Li, Hao Yu, Ivan Shugurov, Benjamin Busam, Shaowu Yang, Slobodan Ilic

[arXiv:2203.04424] Probabilistic Rotation Representation With an Efficiently Computable Bingham Loss Function and Its Application to Pose Estimation. [PDF]

Ziqi Lu, Yihao Zhang, Kevin Doherty, Odin Severinsen, Ethan Yang, John Leonard

[arXiv:2203.04424] SLAM-Supported Self-Training for 6D Object Pose Estimation. [PDF]

Ziqi Lu, Yihao Zhang, Kevin Doherty, Odin Severinsen, Ethan Yang, John Leonard

[arXiv:2203.03498] Weakly Supervised Learning of Keypoints for 6D Object Pose Estimation. [PDF]

Meng Tian, Gim Hee Lee

[arXiv:2203.02069] Sim2Real Instance-Level Style Transfer for 6D Pose Estimation. [PDF]

Takuya Ikeda, Suomi Tanishige, Ayako Amma, Michael Sudano, Hervé Audren, Koichi Nishiwaki

[arXiv:2203.01051] 3D object reconstruction and 6D-pose estimation from 2D shape for robotic grasping of objects. [PDF]

Marcell Wolnitza, Osman Kaya, Tomas Kulvicius, Florentin Wörgötter, Babette Dellen

[arXiv:2203.00945] ParaPose: Parameter and Domain Randomization Optimization for Pose Estimation using Synthetic Data. [PDF]

Frederik Hagelskjaer, Anders Glent Buch

[arXiv:2203.00302] Adversarial samples for deep monocular 6D object pose estimation. [PDF]

Jinlai Zhang, Weiming Li, Shuang Liang, Hao Wang, Jihong Zhu

[arXiv:2203.00283] ProgressLabeller: Visual Data Stream Annotation for Training Object-Centric 3D Perception. [PDF]

Xiaotong Chen, Huijie Zhang, Zeren Yu, Stanley Lewis, Odest Chadwicke Jenkins

[arXiv:2202.12555] 6D Rotation Representation For Unconstrained Head Pose Estimation. [PDF] [Code]

Thorsten Hempel, Ahmed A. Abdelrahman, Ayoub Al-Hamadi

[arXiv:2202.10346] On the Evaluation of RGB-D-based Categorical Pose and Shape Estimation. [PDF]

Leonard Bruns, Patric Jensfelt

[arXiv:2202.03574] Structured Prediction Problem Archive. [PDF]

Paul Swoboda, Andrea Hornakova, Paul Roetzer, Bogdan Savchynskyy, Ahmed Abbas

[arXiv:2201.13065] Rigidity Preserving Image Transformations and Equivariance in Perspective. [PDF]

Xinke Deng, Junyi Geng, Timothy Bretl, Yu Xiang, Dieter Fox

[arXiv:2201.00059] iCaps: Iterative Category-level Object Pose and Shape Estimation. [PDF]

Xinke Deng, Junyi Geng, Timothy Bretl, Yu Xiang, Dieter Fox

[arXiv:2112.15075] Pose Estimation of Specific Rigid Objects. [PDF]

Tomas Hodan

[arXiv:2112.03810] Polarimetric Pose Prediction. [PDF]

Daoyi Gao, Yitong Li, Patrick Ruhkamp, Iuliia Skobleva, Magdalena Wysock, HyunJun Jung, Pengyuan Wang, Arturo Guridi, Nassir Navab, Benjamin Busamh Rasmus Laurvig Haugaard, Anders Glent Buch

[arXiv:2111.10677] VideoPose: Estimating 6D object pose from videos. [PDF]

Apoorva Beedu, Zhile Ren, Varun Agrawal, Irfan Essa

[arXiv:2111.10524] ACR-Pose: Adversarial Canonical Representation Reconstruction

编辑推荐精选

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

HunyuanVideo

HunyuanVideo

HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。

HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力,支持多种分辨率和视频长度选择,能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法,可灵活调整生成参数,满足不同场景的需求,是文本生成图像视频领域的优质工具。

WebUI for Browser Use

WebUI for Browser Use

一个基于 Gradio 构建的 WebUI,支持与浏览器智能体进行便捷交互。

WebUI for Browser Use 是一个强大的项目,它集成了多种大型语言模型,支持自定义浏览器使用,具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务,无论是数据提取、网页导航还是表单填写等操作都能高效实现,有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用,在 SEO 优化方面,其关键词涵盖浏览器使用、WebUI、大型语言模型集成等,有助于提高网页在搜索引擎中的曝光度。

xiaozhi-esp32

xiaozhi-esp32

基于 ESP32 的小智 AI 开发项目,支持多种网络连接与协议,实现语音交互等功能。

xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目,专注于人工智能语音交互领域。项目涵盖了丰富的功能,如网络连接、OTA 升级、设备激活等,同时支持多种语言。无论是开发爱好者还是专业开发者,都能借助该项目快速搭建起高效的 AI 语音交互系统,为智能设备开发提供强大助力。

olmocr

olmocr

一个用于 OCR 的项目,支持多种模型和服务器进行 PDF 到 Markdown 的转换,并提供测试和报告功能。

olmocr 是一个专注于光学字符识别(OCR)的 Python 项目,由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器,如 vllm、sglang、OpenAI 等,可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能,方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域,有助于提高工作效率和准确性。

飞书多维表格

飞书多维表格

飞书多维表格 ×DeepSeek R1 满血版

飞书多维表格联合 DeepSeek R1 模型,提供 AI 自动化解决方案,支持批量写作、数据分析、跨模态处理等功能,适用于电商、短视频、影视创作等场景,提升企业生产力与创作效率。关键词:飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。

下拉加载更多