update sota table

This commit is contained in:
Robert Jeutter 2022-01-02 17:48:22 +01:00
parent b8ff57922b
commit 639bf47ac5
2 changed files with 11 additions and 14 deletions

Binary file not shown.

View File

@ -240,7 +240,7 @@
Was die Erkennung betrifft, so kann MaskFusion nur Objekte aus Klassen erkennen, auf die die MaskRCNN trainiert wurde (derzeit die 80 Klassen des \Gls{mscoco}-Datensatzes) und berücksichtigt keine Fehlklassifizierung von Objektbeschriftungen. Was die Erkennung betrifft, so kann MaskFusion nur Objekte aus Klassen erkennen, auf die die MaskRCNN trainiert wurde (derzeit die 80 Klassen des \Gls{mscoco}-Datensatzes) und berücksichtigt keine Fehlklassifizierung von Objektbeschriftungen.
\begin{description*} \begin{description*}
\item[Modell] mit Modell \item[Modell] ohne und mit Modell
\item[Video-Input] RGB-D \item[Video-Input] RGB-D
\item[Datensatz] \Gls{mscoco} \item[Datensatz] \Gls{mscoco}
\item[Genauigkeit] \Gls{NOCS} \item[Genauigkeit] \Gls{NOCS}
@ -309,7 +309,7 @@
Die Methode erreicht Ende-zu-Ende 6D Posenschätzung und ist sehr robust gegenüber Verdeckungen zwischen Objekten. Die Methode erreicht Ende-zu-Ende 6D Posenschätzung und ist sehr robust gegenüber Verdeckungen zwischen Objekten.
\begin{description*} \begin{description*}
\item[Modell] ohne \item[Modell] 3D Modell
\item[Video-Input] RGB, RGB-D \item[Video-Input] RGB, RGB-D
\item[Datensatz] \Gls{ycb}, \Gls{Linemod}, \Gls{Occlusion} \item[Datensatz] \Gls{ycb}, \Gls{Linemod}, \Gls{Occlusion}
\item[Genauigkeit] Ergebnisse aus \Gls{AUC} Messung bei RGB \item[Genauigkeit] Ergebnisse aus \Gls{AUC} Messung bei RGB
@ -340,7 +340,7 @@
\begin{description*} \begin{description*}
\item[Modell] CAD-Modell \item[Modell] CAD-Modell
\item[Video-Input] RGB-D \item[Video-Input] RGB-D, Pointcloud
\item[Datensatz] \Gls{bot} \item[Datensatz] \Gls{bot}
\item[Genauigkeit] \item[Genauigkeit]
\begin{itemize*} \begin{itemize*}
@ -368,7 +368,7 @@
\begin{description*} \begin{description*}
\item[Modell] ohne \item[Modell] ohne
\item[Video-Input] RGB-D \item[Video-Input] RGB-D, Pointcloud
\item[Datensatz] \Gls{stanford} \item[Datensatz] \Gls{stanford}
\item[Genauigkeit] \item[Genauigkeit]
\begin{itemize*} \begin{itemize*}
@ -493,16 +493,13 @@
\centering \centering
\begin{tabular}{p{1.5cm}|l|l|l} \begin{tabular}{p{1.5cm}|l|l|l}
benötigen & Farbbild & Tiefenbild & 3D Pointcloud \\\hline benötigen & Farbbild & Tiefenbild & 3D Pointcloud \\\hline
\multirow{3}{1.5cm}{3D Modell} & Contour Matching & \colorbox{Cyan}{se-TrackNet}\cite{se-TrackNet} & Robust Gaussian Filter\cite{GaussianFilter} \\ \multirow{3}{1.5cm}{3D Modell} & \colorbox{Cyan}{PoseCNN}\cite{PoseCNN} & \colorbox{Cyan}{se-TrackNet}\cite{se-TrackNet} & Robust Gaussian Filter\cite{GaussianFilter} \\
& \colorbox{Thistle}{DeepIM}\cite{Deepim} & dbotPF\cite{dbotPF} & \\ & \colorbox{Thistle}{DeepIM}\cite{Deepim} & dbotPF\cite{dbotPF} & Iterative Closest Point\cite{ICP} \\
& & & \\\hline & & PoseCNN\cite{PoseCNN}+ICP\cite{ICP} & \\\hline
\multirow{3}{1.5cm}{Kategorie Modell} & Feature Matching & \colorbox{Cyan}{NOCS}\cite{NormalizedObjectCoordiante} & \\ \multirow{3}{1.5cm}{Kategorie Modell} & KeypointNet\cite{KeypointNet} & \colorbox{Cyan}{NOCS}\cite{NormalizedObjectCoordiante} & \\
& KeypointNet\cite{KeypointNet} & 6-PACK\cite{6pack} & \\ & & 6-PACK\cite{6pack} & \\\hline
& & & \\\hline \multirow{3}{1.5cm}{ohne Modell} & Analyse-durch-Synthese \cite{CategoryLevelObject} & MaskFusion\cite{MaskFusion} & \colorbox{Thistle}{TEASER++}\cite{Teaser++} \\
\multirow{3}{1.5cm}{ohne Modell} & Iterative Closest Point & MaskFusion\cite{MaskFusion} & ICP\cite{ICP} \\ & & \colorbox{Thistle}{BundleTrack}\cite{BundleTrack} & \\
& Analyse-durch-Synthese \cite{CategoryLevelObject} & Analyse-durch-Synthese \cite{CategoryLevelObject} & TEASER++\cite{Teaser++} \\
& & \colorbox{YellowOrange}{BundleTrack}\cite{BundleTrack} & \\
& PoseCNN\cite{PoseCNN} & PoseCNN\cite{PoseCNN}+ICP\cite{ICP} & \\
\end{tabular} \end{tabular}
\caption{Übersicht unterschiedlicher Verfahren unterscheidbar nach \colorbox{White}{\Gls{knn}}, \colorbox{Thistle}{\Gls{dnn}},\colorbox{YellowOrange}{\Gls{rnn}}, \colorbox{Cyan}{\Gls{cnn}} und \colorbox{OliveGreen}{\Gls{gnn}} } \caption{Übersicht unterschiedlicher Verfahren unterscheidbar nach \colorbox{White}{\Gls{knn}}, \colorbox{Thistle}{\Gls{dnn}},\colorbox{YellowOrange}{\Gls{rnn}}, \colorbox{Cyan}{\Gls{cnn}} und \colorbox{OliveGreen}{\Gls{gnn}} }
\label{ubersicht} \label{ubersicht}