F2G-Pose：实时RGB-D类别级位姿估计框架发布

2026年10月23日，arXiv Computer Vision 刊出 Jinyu Zhang 等作者的论文，提出 F2G-Pose——一个实时、直接、单次前向的 RGB-D 类别级物体位姿估计框架。据该报道，F2G-Pose 可从单张 RGB-D 观测一次性预测类别级位姿、度量尺寸和相机坐标系下的补全形状；方法上将稠密视觉基础特征提升到部分点云，用 DGCNN tokenization 编码局部几何，并以 Mixture-of-Experts Transformer 整合物体级结构。报道称，其任务专用网络仅在带位姿标注的合成 SOPE 数据上训练，RADIO 骨干网络经外部预训练后冻结，在 SOPE 和 ROPE 上取得当时最优精度，仅位姿推理达 28 FPS，并在 HouseCat6D 上展示相机坐标系几何能力、在 HANDAL 上展示真实物体迁移。项目页面、代码与预训练模型已随论文公开。上述性能与适用条件均出自该论文自述，尚待独立验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。