論文の概要: The Shape Part Slot Machine: Contact-based Reasoning for Generating 3D
Shapes from Parts
- arxiv url: http://arxiv.org/abs/2112.00584v1
- Date: Wed, 1 Dec 2021 15:54:54 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-02 14:41:04.368427
- Title: The Shape Part Slot Machine: Contact-based Reasoning for Generating 3D
Shapes from Parts
- Title（参考訳）: 形状部スロットマシン:部品から3d形状を生成する接触型推論
- Authors: Kai Wang, Paul Guerrero, Vladimir Kim, Siddhartha Chaudhuri, Minhyuk
Sung, Daniel Ritchie
- Abstract要約: 接触型推論により既存の部品から新しい3次元形状を組み立てる手法を提案する。
本手法は,各形状を2つの形状部品間の接触領域であるスロットのグラフとして表現する。
提案手法は, 既存のモデリング手法よりも品質, 多様性, 構造的複雑さの点で優れる形状を生成することを実証する。
- 参考スコア（独自算出の注目度）: 33.924785333723115
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present the Shape Part Slot Machine, a new method for assembling novel 3D
shapes from existing parts by performing contact-based reasoning. Our method
represents each shape as a graph of "slots," where each slot is a region of
contact between two shape parts. Based on this representation, we design a
graph-neural-network-based model for generating new slot graphs and retrieving
compatible parts, as well as a gradient-descent-based optimization scheme for
assembling the retrieved parts into a complete shape that respects the
generated slot graph. This approach does not require any semantic part labels;
interestingly, it also does not require complete part geometries -- reasoning
about the regions where parts connect proves sufficient to generate novel,
high-quality 3D shapes. We demonstrate that our method generates shapes that
outperform existing modeling-by-assembly approaches in terms of quality,
diversity, and structural complexity.
- Abstract（参考訳）: 本研究では既存の部品から新しい3次元形状を組み立てる新しい手法であるShape Part Slot Machineを提案する。
本手法は,各形状を「スロット」のグラフとして表現し,各スロットは2つの形状部分の接触領域である。
この表現に基づいて、新しいスロットグラフを生成し、互換性のある部分を取得するグラフニューラルネットワークベースのモデルと、生成されたスロットグラフを尊重する完全な形状に集約する勾配ディフレッシュベースの最適化スキームを設計する。
興味深いことに、部品が接続する領域が、新しい高品質な3D形状を生成するのに十分であることを示すため、完全な部分ジオメトリも必要としない。
提案手法は,既存のモデリング手法よりも品質,多様性,構造的複雑さの点で優れる形状を生成する。
関連論文リスト
- Part123: Part-aware 3D Reconstruction from a Single-view Image [54.589723979757515]
Part123は、一視点画像から部分認識された3D再構成のための新しいフレームワークである。
ニューラルレンダリングフレームワークにコントラスト学習を導入し、部分認識機能空間を学習する。
クラスタリングに基づくアルゴリズムも開発され、再構成されたモデルから3次元部分分割結果を自動的に導出する。
論文 参考訳（メタデータ） (2024-05-27T07:10:21Z) - NeuSDFusion: A Spatial-Aware Generative Model for 3D Shape Completion, Reconstruction, and Generation [52.772319840580074]
3D形状生成は、特定の条件や制約に固執する革新的な3Dコンテンツを作成することを目的としている。
既存の方法は、しばしば3Dの形状を局所化されたコンポーネントの列に分解し、各要素を分離して扱う。
本研究では2次元平面表現を利用した空間認識型3次元形状生成フレームワークを提案する。
論文 参考訳（メタデータ） (2024-03-27T04:09:34Z) - Diverse Part Synthesis for 3D Shape Creation [5.203892715273396]
部分ベース表現の形で3次元形状にニューラルネットワークを使用する手法は、ここ数年で導入されている。
現在の方法では、個々の形状部品をユーザの好みに応じて容易に再生することはできない。
ユーザが個別の部品に対して多種多様な提案を生成できるようにする技術について検討する。
論文 参考訳（メタデータ） (2024-01-17T17:55:06Z) - Doodle Your 3D: From Abstract Freehand Sketches to Precise 3D Shapes [118.406721663244]
本稿では,抽象モデリングとクロスモーダル対応を容易にする,新しい部分レベルモデリング・アライメントフレームワークを提案する。
提案手法は,CLIPassoエッジマップと投影された3次元部分領域との対応性を確立することで,スケッチモデリングにシームレスに拡張する。
論文 参考訳（メタデータ） (2023-12-07T05:04:33Z) - Geometrically Consistent Partial Shape Matching [50.29468769172704]
3次元形状の対応を見つけることは、コンピュータビジョンとグラフィックスにおいて重要な問題である。
しばしば無視されるが、整合幾何学の重要な性質は整合性である。
本稿では,新しい整数型線形計画部分形状整合式を提案する。
論文 参考訳（メタデータ） (2023-09-10T12:21:42Z) - Attention-based Part Assembly for 3D Volumetric Shape Modeling [0.0]
本稿では、注意に基づく部分集合のためのVoxAttention Networkアーキテクチャを提案する。
実験結果から,本手法は部分関係を考慮した3次元形状モデリングタスクにおいて,最先端の手法よりも優れていることがわかった。
論文 参考訳（メタデータ） (2023-04-17T16:53:27Z) - SP-GAN: Sphere-Guided 3D Shape Generation and Manipulation [50.53931728235875]
点雲の形で3次元形状を直接合成するための新しい教師なし球誘導生成モデルSP-GANを提案する。
既存のモデルと比較して、SP-GANは多種多様な高品質な形状を詳細に合成することができる。
論文 参考訳（メタデータ） (2021-08-10T06:49:45Z) - Learning to generate shape from global-local spectra [0.0]
我々は,この手法を,いわゆる形状-スペクトルパラダイムの最近の進歩の上に構築する。
我々は、スペクトルを自然なものとみなし、形状の多様性を符号化するために表現を使用する準備ができている。
提案手法は既存手法や代替手法と比較して改善された。
論文 参考訳（メタデータ） (2021-08-04T16:39:56Z) - Discovering 3D Parts from Image Collections [98.16987919686709]
本稿では,2次元画像収集のみによる3次元部分発見の問題に対処する。
そこで我々は,手動で注釈付部品を監督する代わりに,自己監督型アプローチを提案する。
私たちのキーとなる洞察は、前もって新しい部分の形状を学習することで、各部分は、単純な幾何学を持つように制約されたまま、忠実にオブジェクトの形状に適合できるようにします。
論文 参考訳（メタデータ） (2021-07-28T20:29:16Z) - COALESCE: Component Assembly by Learning to Synthesize Connections [45.120186220205994]
コンポーネントベースの形状組み立てのための最初のデータ駆動型フレームワークであるCOALESCEを紹介する。
データから学習したジョイント合成のステップを使用して、ギャップを埋めて、自然で可塑性な部分のジョイントに到達します。
提案手法は, 3次元形状合成のためのベースライン深部モデルを含む従来の手法よりも優れていた。
論文 参考訳（メタデータ） (2020-08-05T05:12:06Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。