摘要

我们提出 RePOSE，一种用于6D物体位姿估计的快速迭代优化方法。以往的方法通常通过将局部放大输入图像与渲染的RGB图像输入卷积神经网络（CNN），直接回归位姿的更新量来实现精炼。然而，由于CNN计算成本较高，导致运行效率较低，尤其在多物体位姿精炼任务中尤为明显。为解决这一问题，RePOSE 创新性地采用基于3D模型与可学习纹理的图像渲染技术，实现快速特征提取。我们称其为“深度纹理渲染”（deep texture rendering），该方法利用一个浅层多层感知机（MLP）直接回归出与视角无关的物体图像表征。此外，RePOSE 采用可微分的Levenberg-Marquardt（LM）优化算法，通过最小化输入图像与渲染图像表征之间的特征度量误差，无需图像缩放即可实现快速且精确的位姿精炼。这些图像表征在训练过程中被优化，以确保可微分LM优化能在少数迭代内快速收敛。实验结果表明，RePOSE 的运行速度达到92 FPS，在遮挡情况下的LineMOD数据集上取得了51.6%的最新准确率，相比之前最优方法绝对提升4.1%；在YCB-Video数据集上也取得了相当的性能，同时具备显著更快的运行速度。代码已开源，地址为：https://github.com/sh8/repose。