ICCV2023论文汇总：物体姿态估计和跟踪(Object Pose Estimation and Tracking)

MixCycle:  Mixup  Assisted  Semi-Supervised  3D  Single  Object  Tracking  with  Cycle  Consistency

MixCycle：具有循环一致性的混合辅助半监督  3D  单对象跟踪

Deep  Fusion  Transformer  Network  with  Weighted  Vector-Wise  Keypoints  Voting  for  Robust  6D  Object  Pose  Estimation

具有加权矢量关键点投票的深度融合  Transformer  网络，用于稳健的  6D  物体姿态估计

IST-Net:  Prior-Free  Category-Level  Pose  Estimation  with  Implicit  Space  Transformation

IST-Net：具有隐式空间变换的无先验类别级姿势估计

VI-Net:  Boosting  Category-Level  6D  Object  Pose  Estimation  via  Learning  Decoupled  Rotations  on  the  Spherical  Representations

VI-Net：通过学习球形表示上的解耦旋转来增强类别级  6D  物体姿态估计

CheckerPose:  Progressive  Dense  Keypoint  Localization  for  Object  Pose  Estimation  with  Graph  Neural  Network

CheckerPose：使用图神经网络进行物体姿态估计的渐进密集关键点定位

SOCS:  Semantically-Aware  Object  Coordinate  Space  for  Category-Level  6D  Object  Pose  Estimation  under  Large  Shape  Variations

SOCS：大形状变化下类别级  6D  物体姿态估计的语义感知物体坐标空间

Pseudo  Flow  Consistency  for  Self-Supervised  6D  Object  Pose  Estimation

自监督  6D  物体姿态估计的伪流一致性

Tracking  by  3D  Model  Estimation  of  Unknown  Objects  in  Videos

通过  3D  模型估计视频中未知物体进行跟踪

Linear-Covariance  Loss  for  End-to-End  Learning  of  6D  Pose  Estimation

6D  姿态估计端到端学习的线性协方差损失

Vanishing  Point  Estimation  in  Uncalibrated  Images  with  Prior  Gravity  Direction

具有先验重力方向的未校准图像中的消失点估计