SUFLECA提升CAD图像对齐
Saad Ejaz · hf · 2026-07-17
SUFLECA 提出了一种用于 **CAD-to-image 对齐** 的弱监督零样本框架，目标是从单张 RGB 图像中估计物体的 9D 位姿（旋转、平移、非均匀缩放）。作者指出，现有零样本方法多依赖视觉基础模型做外观匹配，在遮挡和 sim-to-real 域偏移下容易失效。 方法上，SUFLECA 有两点关键设计： - **几何感知特征学习**：利用 67.4 万张图像、覆盖 12 个真实与合成数据集，用 NOCS 监督从预训练视觉表示中学习紧凑的几何特征。 - **几何一致匹配**：提出一个能建立更可靠一对一 CAD-图像对应关系的匹配算法。 实验结果显示，该方法可以在**单个实例上亚秒级完成对齐**，无需迭代位姿优化。在 ScanNet25k 上，它取得了 **33.4% / 42.3%** 的类别/实例精度，较最强零样本基线提升 **10.3 / 12.2** 个百分点，并且在该基准上首次**超过全监督方法**。代码已开源。