用于物体 6D 位姿估计的基本坐标空间

基于摘要分析。本文研究计算机视觉与机器人领域的物体 6D 位姿估计，重点处理对称物体引起的对应关系歧义。作者提出 fundamental coordinate space（基本坐标空间），将相机空间与物体坐标空间之间的一对多对应转换为一对一对应，以简化稠密对应关系的学习。 方法首先通过一套流程确定物体的基本坐标空间，再使用基于坐标的注意力网络，预测相机空间与该空间之间的稠密对应。网络中的注意力融合模块在物体周围的任意查询点整合几何与纹理信息。其核心思路是在坐标表示层面处理对称性，而非仅让网络直接拟合存在歧义的对应关系；基本坐标空间的具体构造、对称性处理条件、训练目标及位姿求解过程尚未验证。 作者报告，相较摘要所称的此前最先进模型，该方法在 T-LESS 上的 ARMSSD 指标提高 1.4 个百分点，在 NOCS-REAL 上的 5°5cm 指标提高 6 个百分点。摘要未给出具体对照模型、数据划分与完整评估协议，因此这些结果只能在各自任务与指标背景下理解，不能跨数据集直接比较；实验协议、消融及统计信息尚未验证。 本文的主要研究对象是物体位姿与几何对应，不是神经信号建模。现有材料未建立该坐标空间机制与 EEG/BCI 瓶颈的具体对应关系，因此不提出迁移效果或复现实验推断；相关 EEG 工作尚未检索确认。