正確性と適用性を両立した6D姿勢推定は、常に研究の注目点かつ難題となってきました。本論文では、多モーダルデータに基づく注意特徴融合を用いた6D姿勢推定ネットワークを提案します。まず、各チャネルの重みを調整して依存性を強化し受容野を拡大する、より深いスケーズ・アンド・エキサイトモジュール構造を導入し、RGB画像特徴の処理効果を向上させました。さらに、多モーダルデータに対しては、特徴融合段階で反復的な注意特徴融合モジュールを展開し、複数回の反復融合操作によりグローバル特徴融合時のスケールの不一致問題を解決し、より正確に多モーダルデータを捉え統合することで姿勢回帰の効果を大幅に改善しました。最後に、複雑な環境下でのモデルの頑健性と適用性を定量的に評価するため、不可視割合指標を導入しました。この指標は部分的な遮蔽や複雑な背景を処理する際のモデルの性能を評価可能です。公開データセット上での姿勢予測実験を通じて、改良されたモデルは検証データセットで正確な姿勢予測を実現するだけでなく、Densefusionモデルと比較して複雑な環境下での適用性が高いことを検証しました。

6D姿勢推定;多モーダルデータ;注意特徴融合;不可視割合