論文の概要: Mesh-based Dynamics with Occlusion Reasoning for Cloth Manipulation
- arxiv url: http://arxiv.org/abs/2206.02881v1
- Date: Mon, 6 Jun 2022 20:15:02 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-08 15:28:21.693567
- Title: Mesh-based Dynamics with Occlusion Reasoning for Cloth Manipulation
- Title(参考訳): Occlusion Reasoning を用いたメッシュベースダイナミクスによる衣服マニピュレーション
- Authors: Zixuan Huang, Xingyu Lin, David Held
- Abstract要約: 布の完全な状態を推定することが困難になるため、布の操作には自己閉塞が困難である。
我々は,布のポーズ推定における最近の進歩を活用して,明示的な排他的推論を用いてクランプ布を広げるシステムを構築する。
- 参考スコア(独自算出の注目度): 18.288330275993328
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Self-occlusion is challenging for cloth manipulation, as it makes it
difficult to estimate the full state of the cloth. Ideally, a robot trying to
unfold a crumpled or folded cloth should be able to reason about the cloth's
occluded regions. We leverage recent advances in pose estimation for cloth to
build a system that uses explicit occlusion reasoning to unfold a crumpled
cloth. Specifically, we first learn a model to reconstruct the mesh of the
cloth. However, the model will likely have errors due to the complexities of
the cloth configurations and due to ambiguities from occlusions. Our main
insight is that we can further refine the predicted reconstruction by
performing test-time finetuning with self-supervised losses. The obtained
reconstructed mesh allows us to use a mesh-based dynamics model for planning
while reasoning about occlusions. We evaluate our system both on cloth
flattening as well as on cloth canonicalization, in which the objective is to
manipulate the cloth into a canonical pose. Our experiments show that our
method significantly outperforms prior methods that do not explicitly account
for occlusions or perform test-time optimization.
- Abstract(参考訳): 布の完全な状態を推定することが困難になるため、布の操作には自己隠蔽が困難である。
理想的には、折り畳んだ布を広げようとするロボットは、その布の隠された領域を判断できるはずだ。
本研究では,近年の布のポーズ推定の進歩を活かし,明示的なオクルージョン推論を用いた布の展開システムを構築する。
具体的には,まず,布のメッシュを再構築するモデルを学習する。
しかし, 布の形状が複雑であること, 咬合による曖昧さから, モデルに誤りが生じる可能性が示唆された。
我々の主な洞察は、自己監督的損失を伴うテストタイム微調整を行うことで、予測された再建をさらに洗練できるということである。
得られた再構成メッシュは、オクルージョンを推論しながら、メッシュベースのダイナミックスモデルを計画に使用することができる。
本システムでは,布の平ら化と布の正準化を両立させ,布を正準のポーズで操作することを目的としている。
実験の結果,オクルージョンやテスト時間最適化を明示的に考慮しない先行手法を著しく上回っていることがわかった。
関連論文リスト
- Mixed Diffusion for 3D Indoor Scene Synthesis [55.94569112629208]
混合離散連続拡散モデルアーキテクチャであるMiDiffusionを提案する。
シーンレイアウトを2次元のフロアプランとオブジェクトの集合で表現し、それぞれがそのカテゴリ、場所、サイズ、方向で定義する。
実験により,MiDiffusionは床条件下での3次元シーン合成において,最先端の自己回帰モデルや拡散モデルよりもかなり優れていることが示された。
論文 参考訳(メタデータ) (2024-05-31T17:54:52Z) - PlaNet-ClothPick: Effective Fabric Flattening Based on Latent Dynamic
Planning [0.0]
最近の研究は、観測結果のぼやけた予測によるもので、潜伏した空間を直接計画することは困難である。
ファブリックの輪郭における遷移関数の急激な不連続性は、正確な潜在動的モデルを学ぶのを困難にしている。
本モデルでは,動作推定の高速化と,この領域の最先端ロボットシステムよりもトランジショナルモデルパラメータの削減が要求される。
論文 参考訳(メタデータ) (2023-03-02T15:22:34Z) - Self-supervised Cloth Reconstruction via Action-conditioned Cloth
Tracking [18.288330275993328]
本研究では,実世界のメッシュ再構築モデルを微調整する自己教師型手法を提案する。
人間のアノテーションを必要とせずに再構成メッシュの品質を向上させることができることを示す。
論文 参考訳(メタデータ) (2023-02-19T07:48:12Z) - OccluMix: Towards De-Occlusion Virtual Try-on by Semantically-Guided
Mixup [79.3118064406151]
Image Virtual try-onは、個人画像上の布を衣服画像(ホップ内服)に置き換えることを目的としている。
以前の方法では, 衣服のイメージの保存に成功していた。
隠蔽は、現実的なバーチャル試行に悪影響を及ぼす。
論文 参考訳(メタデータ) (2023-01-03T06:29:11Z) - SelfRecon: Self Reconstruction Your Digital Avatar from Monocular Video [48.23424267130425]
SelfReconは、単眼で回転する人間のビデオから、時空のコヒーレントなジオメトリを復元する。
明示的な方法は与えられたシーケンスに対して事前定義されたテンプレートメッシュを必要とするが、テンプレートは特定の対象に対して取得が難しい。
インプリシット法は任意の位相をサポートし、連続的な幾何学的表現により高品質である。
論文 参考訳(メタデータ) (2022-01-30T11:49:29Z) - N-Cloth: Predicting 3D Cloth Deformation with Mesh-Based Networks [69.94313958962165]
本稿では,3次元布の変形予測のためのメッシュに基づく新しい学習手法(N-Cloth)を提案する。
グラフ畳み込みを用いて、メッシュ空間の非線形性を低減するために、布とメッシュを潜在空間に変換する。
我々のアプローチは、SMPL人間、非SMPL人間、または剛体に対応する様々な物体で、最大100ドルの三角形とシーンを持つ複雑な布メッシュを扱うことができる。
論文 参考訳(メタデータ) (2021-12-13T03:13:11Z) - Probabilistic Modeling for Human Mesh Recovery [73.11532990173441]
本稿では,2次元の証拠から3次元の人体復元の問題に焦点を当てた。
我々は,この問題を,入力から3Dポーズの分布へのマッピング学習として再考した。
論文 参考訳(メタデータ) (2021-08-26T17:55:11Z) - MonoClothCap: Towards Temporally Coherent Clothing Capture from
Monocular RGB Video [10.679773937444445]
本稿では,モノクラーRGBビデオ入力から時間的コヒーレントな動的衣服の変形を捉える手法を提案する。
我々は,Tシャツ,ショートパンツ,ロングパンツの3種類の衣服の統計的変形モデルを構築した。
本手法は,モノクロ映像から身体と衣服の時間的コヒーレントな再構築を実現する。
論文 参考訳(メタデータ) (2020-09-22T17:54:38Z) - How do Decisions Emerge across Layers in Neural Models? Interpretation
with Differentiable Masking [70.92463223410225]
DiffMaskは、差分性を維持しながら入力のサブセットをマスクアウトすることを学ぶ。
入力トークンを包含または無視する決定は、中間隠蔽層に基づく単純なモデルで行われる。
これにより、属性のヒートマップをプロットするだけでなく、ネットワーク層間で意思決定がどのように形成されるかを分析することができます。
論文 参考訳(メタデータ) (2020-04-30T17:36:14Z)
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。