Benutzer: Gast  Login
Wenn Sie Schwierigkeiten haben, das Dokument zu öffnen, versuchen Sie auch bitte diesen Link
Originaltitel:
Learning to Generalize Object 6-DoF Pose Estimation
Übersetzter Titel:
Lernen zur Generalisierung der 6-DoF-Objekt-Pose-Schätzung
Autor:
Huang, Junwen
Jahr:
2026
Dokumenttyp:
Dissertation
Fakultät/School:
TUM School of Computation, Information and Technology
Institution:
Informatik 16 - Lehrstuhl für Anwendungen in der Medizin (Prof. Navab)
Betreuer:
Navab, Nassir (Prof. Dr.)
Gutachter:
Navab, Nassir (Prof. Dr.); Ilic, Slobodan (Priv.-Doz. Dr.); Lepetit, Vincent (Prof. Dr.)
Sprache:
en
Fachgebiet:
DAT Datenverarbeitung, Informatik; MED Medizin
TU-Systematik:
MED 230; DAT 760
Kurzfassung:
Accurate 6D object pose estimation is vital for robotics, AR, and autonomous systems but remains difficult in open-set scenarios with unseen objects. This thesis introduces three contributions: MatchU, a multimodal RGB-D descriptor fusion framework; TTAPose, a self-supervised test-time adaptation method; and RayPose, a diffusion-based RGB-only approach. Together they advance robust, generalizable pose estimation for real-world deployment.
Übersetzte Kurzfassung:
Die präzise 6D-Objekt-Pose-Schätzung ist entscheidend für Robotik, AR und autonome Systeme, bleibt jedoch in offenen Szenarien mit unbekannten Objekten herausfordernd. Diese Arbeit stellt drei Beiträge vor: MatchU, ein multimodales RGB-D-Framework; TTAPose, eine selbstüberwachte Testzeit-Adaptation; und RayPose, ein diffusionsbasiertes RGB-Only-Verfahren. Zusammen fördern sie eine robuste und generalisierbare Pose-Schätzung für reale Anwendungen.
WWW:
https://mediatum.ub.tum.de/?id=1798743
Eingereicht am:
23.09.2025
Mündliche Prüfung:
02.04.2026
Dateigröße:
20488346 bytes
Seiten:
107
Urn (Zitierfähige URL):
https://nbn-resolving.org/urn:nbn:de:bvb:91-diss-20260402-1798743-0-4
Veröffentlicht am:
21.05.2026
 BibTeX