SAM-6D

SAM-6D: Segment Anything Model Meets Zero-Shot 6D Object Pose Estimation进阶

借助 SAM 分割，对没见过的物体零样本估计 6D 位姿的方法

SAM-6D 是 Jiehong Lin、贾奎等人（香港中文大学（深圳）、华南理工大学等）2023 年提出、发表于 CVPR 2024 的零样本 6D 物体位姿估计方法。6D 位姿指物体的 3D 位置加 3D 朝向，抓取和装配都离不开它；「零样本」指对训练时没见过的新物体，给出 CAD 模型即可估计，不用重新训练。方法分两步：先用 SAM 生成所有候选区域，按语义、外观、几何打分筛出目标物体；再把位姿估计看作模型点云与观测点云「部分对部分」的点匹配，粗到细两阶段求出位姿。输入为 RGB-D 图像、相机内参和 CAD 模型，论文报告在 BOP 基准 7 个核心数据集上超过当时已有方法。