복잡한 관절 객체의 6자유도 포즈 추정에서 운동학 제약 조건 모델링 부족 문제를 해결하기 위해 관절 인지 분리형 포즈 추정 방법을 제안하였다. 관절 인지 분리형 모델링 전략을 채택하여 독립적인 분기가 객체의 회전과 이동을 각각 회귀하여 두 요소 간의 오차 결합을 완화한다. 이를 바탕으로 주의력 유도 다중 모달 특성 융합 메커니즘을 설계하여 이미지 의미 정보와 포인트 클라우드 기하학 간의 교차 모달 상관관계를 동적으로 모델링하고, 가림 현상에 안정적인 특성 추출을 실현하였다. 마지막으로 다중 손실 함수의 자동 균형을 위한 적응 가중치 방안을 설계하고 가벼운 예측 모듈과 결합하여 부품의 관절 매개변수 회귀를 구현하였다. ArtImage 벤치마크 데이터셋에서의 실험 결과, 해당 방법은 추가 최적화 단계 없이 단일 이미지 기준 최대 20ms의 추론 속도를 달성하였으며, 서랍과 같은 복잡 다부품 객체에 대해 회전 오차가 1.6°로 안정적이었고, 안경 카테고리의 3D IoU는 약 28% 향상되어 대부분의 카테고리 및 지표에서 비교 기준을 능가하였다. 본 프레임워크는 베이스 관점에서 각 부품의 운동학에 이르는 통합 추정을 실현하여 물리적 일관성을 보장하는 동시에 포즈 예측의 실시간성과 정확도를 크게 향상시켜 로봇 실시간 비전 시스템에의 적용 가능성을 갖는다.

복잡 관절 객체;6자유도 포즈 추정;관절 인지 분리;교차 모달 융합;적응 가중치