ترجمه فارسی مقاله تأیید استحکام روش‌های تشخیص نقاط کلیدی مبتنی بر یادگیری و تخمین حالت

چکیده

This work addresses the certification of the local robustness of vision-based two-stage 6D object pose estimation. The two-stage method for object pose estimation achieves superior accuracy by first employing deep neural network-driven keypoint regression and then applying a Perspective-n-Point (PnP) technique. Despite advancements, the certification of these methods’ robustness remains scarce. This research aims to fill this gap with a focus on their local robustness on the system level–the capacity to maintain robust estimations amidst semantic input perturbations. The core idea is to transform the certification of local robustness into neural network verification for classification tasks. The challenge is to develop model, input, and output specifications that align with off-the-shelf verification tools. To facilitate verification, we modify the keypoint detection model by substituting nonlinear operations with those more amenable to the verification processes. Instead of injecting random noise into images, as is common, we employ a convex hull representation of images as input specifications to more accurately depict semantic perturbations. Furthermore, by conducting a sensitivity analysis, we propagate the robustness criteria from pose to keypoint accuracy, and then formulating an optimal error threshold allocation problem that allows for the setting of a maximally permissible keypoint deviation thresholds. Viewing each pixel as an individual class, these thresholds result in linear, classification-akin output specifications. Under certain conditions, we demonstrate that the main components of our certification framework are both sound and complete, and validate its effects through extensive evaluations on realistic perturbations. To our knowledge, this is the first study to certify the robustness of large-scale, keypoint-based pose estimation given images in real-world scenarios.

چکیده به فارسی (ترجمه ماشینی)

این کار به صدور گواهینامه استحکام محلی تخمین دو مرحله ای مبتنی بر چشم انداز 6D است.روش دو مرحله ای برای برآورد Pose Object با استفاده از رگرسیون کلیدهای عصبی مبتنی بر شبکه عصبی و سپس استفاده از تکنیک Persplease-N-Point (PNP) ، به دقت برتر می رسد.با وجود پیشرفت ها ، صدور گواهینامه استحکام این روشها کمیاب است.این تحقیق با هدف پر کردن این شکاف با تمرکز بر استحکام محلی آنها در سطح سیستم-ظرفیت حفظ تخمین های قوی در میان آشفتگی های ورودی معنایی.ایده اصلی تبدیل گواهینامه استحکام محلی به تأیید شبکه عصبی برای کارهای طبقه بندی است.چالش توسعه مشخصات مدل ، ورودی و خروجی است که با ابزارهای تأیید خارج از قفسه تراز می شوند.برای تسهیل تأیید ، ما با جایگزین کردن عملیات غیرخطی با آنهایی که از فرآیندهای تأیید استفاده می کنند ، مدل تشخیص کلید را تغییر می دهیم.به جای تزریق نویز تصادفی به تصاویر ، همانطور که معمول است ، ما از یک نمایشگاه محدب محدب از تصاویر به عنوان مشخصات ورودی استفاده می کنیم تا با دقت بیشتری آشفتگی های معنایی را به تصویر بکشید.علاوه بر این ، با انجام یک تجزیه و تحلیل حساسیت ، ما معیارهای استحکام را از POSE به دقت صفحه کلید پخش می کنیم ، و سپس یک مشکل تخصیص آستانه بهینه خطای را تدوین می کنیم که امکان تنظیم یک آستانه انحراف کلیدهای حداکثر مجاز را فراهم می کند.مشاهده هر پیکسل به عنوان یک کلاس فردی ، این آستانه ها منجر به مشخصات خطی ، طبقه بندی-آکین می شوند.در شرایط خاص ، ما نشان می دهیم که مؤلفه های اصلی چارچوب صدور گواهینامه ما هم سالم و هم کامل هستند و اثرات آن را از طریق ارزیابی های گسترده در مورد آشفتگی های واقع گرایانه تأیید می کنند.به دانش ما ، این اولین مطالعه برای تأیید استحکام تخمین پوزش در مقیاس بزرگ و مبتنی بر صفحه در سناریوهای دنیای واقعی است.