arXiv:2510.21000v1 Announce Type: new 
Abstract: Accurate 6D pose estimation is essential for robotic manipulation in industrial environments. Existing pipelines typically rely on off-the-shelf object detectors followed by cropping and pose refinement, but their performance degrades under challenging conditions such as clutter, poor lighting, and complex backgrounds, making detection the critical bottleneck. In this work, we introduce a standardized and plug-in pipeline for 2D detection of unseen objects in industrial settings. Based on current SOTA baselines, our approach reduces domain shift and background artifacts through low-light image enhancement and background removal guided by open-vocabulary detection with foundation models. This design suppresses the false positives prevalent in raw SAM outputs, yielding more reliable detections for downstream pose estimation. Extensive experiments on real-world industrial bin-picking benchmarks from BOP demonstrate that our method significantly boosts detection accuracy while incurring negligible inference overhead, showing the effectiveness and practicality of the proposed method.

تقوم BioDet بإحداث ثورة في الكشف عن الأجسام الصناعية من خلال تقديم استراتيجيات مبتكرة لمعالجة الصور تعزز من تقدير الوضعية ثلاثية الأبعاد. هذا أمر حاسم للتلاعب الروبوتي في البيئات المعقدة حيث تكافح الطرق التقليدية بسبب الفوضى والإضاءة السيئة. من خلال توفير خط أنابيب موحد وقابل للتوصيل، تهدف BioDet إلى تحسين دقة الكشف، مما يمثل تقدمًا كبيرًا في هذا المجال وقد يغير الطريقة التي تتفاعل بها الروبوتات مع محيطها.

BioDet está revolucionando la detección de objetos industriales al introducir estrategias innovadoras de preprocesamiento de imágenes que mejoran la estimación de pose 6D. Esto es crucial para la manipulación robótica en entornos complejos donde los métodos tradicionales luchan debido al desorden y la mala iluminación. Al proporcionar un pipeline estandarizado y plug-in, BioDet busca mejorar la precisión de detección, lo que representa un avance significativo en el campo y podría transformar la forma en que los robots interactúan con su entorno.

BioDet révolutionne la détection d'objets industriels en introduisant des stratégies innovantes de prétraitement d'images qui améliorent l'estimation de pose 6D. Cela est crucial pour la manipulation robotique dans des environnements complexes où les méthodes traditionnelles rencontrent des difficultés en raison de l'encombrement et d'un éclairage médiocre. En fournissant un pipeline standardisé et plug-in, BioDet vise à améliorer la précision de détection, ce qui représente une avancée significative dans le domaine et pourrait transformer la manière dont les robots interagissent avec leur environnement.

BioDet is revolutionizing industrial object detection by introducing innovative image preprocessing strategies that enhance 6D pose estimation. This is crucial for robotic manipulation in complex environments where traditional methods struggle due to clutter and poor lighting. By providing a standardized and plug-in pipeline, BioDet aims to improve detection accuracy, making it a significant advancement in the field and potentially transforming how robots interact with their surroundings.

BioDet: Boosting Industrial Object Detection with Image Preprocessing Strategies

arXiv:2511.19117v1 Announce Type: new 
Abstract: The miniaturization of thermal sensors for mobile platforms inherently limits their spatial resolution and textural fidelity, leading to blurry and less informative images. Existing thermal super-resolution (SR) methods can be grouped into single-image and RGB-guided approaches: the former struggles to recover fine structures from limited information, while the latter relies on accurate and laborious cross-camera calibration, which hinders practical deployment and robustness. Here, we propose 3M-TI, a calibration-free Multi-camera cross-Modality diffusion framework for Mobile Thermal Imaging. At its core, 3M-TI integrates a cross-modal self-attention module (CSM) into the diffusion UNet, replacing the original self-attention layers to adaptively align thermal and RGB features throughout the denoising process, without requiring explicit camera calibration. This design enables the diffusion network to leverage its generative prior to enhance spatial resolution, structural fidelity, and texture detail in the super-resolved thermal images. Extensive evaluations on real-world mobile thermal cameras and public benchmarks validate our superior performance, achieving state-of-the-art results in both visual quality and quantitative metrics. More importantly, the thermal images enhanced by 3M-TI lead to substantial gains in critical downstream tasks like object detection and segmentation, underscoring its practical value for robust mobile thermal perception systems. More materials: https://github.com/work-submit/3MTI.

إن إدخال 3M-TI، وهو إطار عمل متعدد الكاميرات بدون معايرة، يمثل تقدمًا كبيرًا في تكنولوجيا التصوير الحراري المحمول. تتضمن هذه الطريقة المبتكرة دمج وحدة انتباه متعددة الأبعاد في UNet الخاص بالانتشار، مما يسمح بمحاذاة الميزات الحرارية وRGB دون الحاجة إلى معايرة معقدة، مما يحسن جودة الصورة وتفاصيلها.

La introducción de 3M-TI, un marco de difusión multi-cámara sin calibración, marca un avance significativo en la tecnología de imágenes térmicas móviles. Este enfoque innovador integra un módulo de atención cruzada en el UNet de difusión, permitiendo la alineación de características térmicas y RGB sin necesidad de calibración compleja de cámaras, mejorando así la calidad y el detalle de las imágenes.

L'introduction de 3M-TI, un cadre de diffusion multi-caméras sans calibration, marque une avancée significative dans la technologie d'imagerie thermique mobile. Cette approche innovante intègre un module d'attention croisée dans le diffusion UNet, permettant l'alignement des caractéristiques thermiques et RGB sans nécessiter de calibration complexe des caméras, améliorant ainsi la qualité et le détail des images.

The introduction of 3M-TI, a calibration-free Multi-camera cross-Modality diffusion framework, marks a significant advancement in mobile thermal imaging technology. This innovative approach integrates a cross-modal self-attention module into the diffusion UNet, enabling the alignment of thermal and RGB features without the need for complex camera calibration, thus enhancing image quality and detail.

3M-TI: High-Quality Mobile Thermal Imaging via Calibration-free Multi-Camera Cross-Modal Diffusion

arXiv:2503.02916v2 Announce Type: replace 
Abstract: Localizing a person from a moving monocular camera is critical for Human-Robot Interaction (HRI). To estimate the 3D human position from a 2D image, existing methods either depend on the geometric assumption of a fixed camera or use a position regression model trained on datasets containing little camera ego-motion. These methods are vulnerable to severe camera ego-motion, resulting in inaccurate person localization. We consider person localization as a part of a pose estimation problem. By representing a human with a four-point model, our method jointly estimates the 2D camera attitude and the person's 3D location through optimization. Evaluations on both public datasets and real robot experiments demonstrate our method outperforms baselines in person localization accuracy. Our method is further implemented into a person-following system and deployed on an agile quadruped robot.

تم تطوير طريقة جديدة لتحديد موقع الأشخاص باستخدام كاميرا أحادية تحت حركة الكاميرا، حيث تعالج التحديات المتعلقة بتقدير موضع الشخص ثلاثي الأبعاد بدقة من صور ثنائية الأبعاد تم التقاطها بواسطة كاميرا متحركة. تستخدم هذه الطريقة نموذجًا رباعي النقاط لتقدير وضع الكاميرا ثنائية الأبعاد وموقع الشخص ثلاثي الأبعاد بشكل مشترك، مما يحسن بشكل كبير دقة تحديد الموقع مقارنة بالطرق الحالية.

Se ha desarrollado un nuevo método para la localización de personas monoculares bajo el movimiento de la cámara, abordando los desafíos de estimar con precisión la posición 3D de una persona a partir de imágenes 2D capturadas por una cámara en movimiento. Este enfoque utiliza un modelo de cuatro puntos para estimar conjuntamente la actitud 2D de la cámara y la ubicación 3D de la persona, mejorando significativamente la precisión de la localización en comparación con los métodos existentes.

Une nouvelle méthode de localisation de personnes monoculaires sous le mouvement de la caméra a été développée, abordant les défis d'estimation précise de la position 3D d'une personne à partir d'images 2D capturées par une caméra en mouvement. Cette approche utilise un modèle à quatre points pour estimer conjointement l'attitude 2D de la caméra et la localisation 3D de la personne, améliorant considérablement la précision de localisation par rapport aux méthodes existantes.

A new method for monocular person localization under camera ego-motion has been developed, addressing the challenges of accurately estimating a person's 3D position from 2D images captured by a moving camera. This approach utilizes a four-point model to jointly estimate the camera's 2D attitude and the person's 3D location, significantly improving localization accuracy compared to existing methods.

Monocular Person Localization under Camera Ego-motion

arXiv:2503.21692v4 Announce Type: replace 
Abstract: The integration of multi-view imaging and pose estimation represents a significant advance in computer vision applications, offering new possibilities for understanding human movement and interactions. This work presents a new algorithm that improves multi-view multi-person pose estimation, focusing on fast triangulation speeds and good generalization capabilities. The approach extends to whole-body pose estimation, capturing details from facial expressions to finger movements across multiple individuals and viewpoints. Adaptability to different settings is demonstrated through strong performance across unseen datasets and configurations. To support further progress in this field, all of this work is publicly accessible.

تم تقديم خوارزمية جديدة تُدعى RapidPoseTriangulation، التي تعزز من عملية مثلثات وضع الجسم البشري بالكامل من زوايا متعددة وأشخاص متعددين، مع تحقيق سرعات مثلثات سريعة وقدرات تعميم جيدة. يتيح هذا التقدم التقاط تفاصيل حركة الإنسان، بما في ذلك تعبيرات الوجه وحركات الأصابع، عبر عدة أفراد وزوايا.

Se ha introducido un nuevo algoritmo llamado RapidPoseTriangulation, que mejora la triangulación de pose humana de cuerpo entero en múltiples vistas y personas, logrando velocidades de triangulación rápidas y buenas capacidades de generalización. Este avance permite capturar detalles del movimiento humano, incluidas las expresiones faciales y los movimientos de los dedos, a través de múltiples individuos y puntos de vista.

Un nouvel algorithme nommé RapidPoseTriangulation a été introduit, améliorant la triangulation de pose humaine multi-personnes et multi-vues avec une rapidité et des capacités de généralisation remarquables. Cette avancée permet de capturer en détail les mouvements humains, y compris les expressions faciales et les mouvements des doigts, à travers divers individus et points de vue.

A new algorithm named RapidPoseTriangulation has been introduced, enhancing multi-view multi-person whole-body human pose triangulation with remarkable speed and generalization capabilities. This advancement allows for detailed capture of human movements, including facial expressions and finger movements, across various individuals and viewpoints.

BioDet: Boosting Industrial Object Detection with Image Preprocessing Strategies

Was this article worth reading? Share it

Attentive AI

Novaheadshot

Deptho.ai