論文の概要: 3D Part Assembly Generation with Instance Encoded Transformer

• arxiv url: http://arxiv.org/abs/2207.01779v1
• Date: Tue, 5 Jul 2022 02:40:57 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-07 03:57:47.855505
• Title: 3D Part Assembly Generation with Instance Encoded Transformer
• Title（参考訳）: インスタンスエンコードトランスを用いた3次元部品アセンブリ生成
• Authors: Rufeng Zhang, Tao Kong, Weihao Wang, Xuan Han and Mingyu You
• Abstract要約: 本稿では,部品間の幾何的および関係的な推論を伴い,部品の更新を反復的に行う多層トランスフォーマーベースのフレームワークを提案する。 フレームワークをプロセス内部分アセンブリと呼ばれる新しいタスクに拡張します。 提案手法は、パブリックなPartNetデータセット上の複数のメトリクスにおいて、現在の最先端よりも10%以上改善されている。
• 参考スコア（独自算出の注目度）: 22.330218525999857
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: It is desirable to enable robots capable of automatic assembly. Structural understanding of object parts plays a crucial role in this task yet remains relatively unexplored. In this paper, we focus on the setting of furniture assembly from a complete set of part geometries, which is essentially a 6-DoF part pose estimation problem. We propose a multi-layer transformer-based framework that involves geometric and relational reasoning between parts to update the part poses iteratively. We carefully design a unique instance encoding to solve the ambiguity between geometrically-similar parts so that all parts can be distinguished. In addition to assembling from scratch, we extend our framework to a new task called in-process part assembly. Analogous to furniture maintenance, it requires robots to continue with unfinished products and assemble the remaining parts into appropriate positions. Our method achieves far more than 10% improvements over the current state-of-the-art in multiple metrics on the public PartNet dataset. Extensive experiments and quantitative comparisons demonstrate the effectiveness of the proposed framework.
• Abstract（参考訳）: 自動組立が可能なロボットを有効にすることが望ましい。 オブジェクト部分の構造的理解は、このタスクにおいて重要な役割を果たすが、比較的未調査のままである。 本稿では,6-DoF部分ポーズ推定問題である部分ジオメトリの完全集合からの家具集合の設定に焦点を当てる。 本稿では,部品間における幾何的・関係的推論を反復的に行う多層トランスフォーマーフレームワークを提案する。 我々は、幾何学的に類似した部分間のあいまいさを解決するために、ユニークなインスタンスエンコーディングを慎重に設計する。 スクラッチから組み立てるだけでなく、我々はフレームワークをプロセス内部分アセンブリと呼ばれる新しいタスクに拡張します。 家具のメンテナンスと同様、ロボットは未完成の製品を継続し、残りの部品を適切な位置に組み立てる必要がある。 提案手法は、パブリックなPartNetデータセット上の複数のメトリクスにおいて、現在の最先端よりも10%以上改善されている。 広範な実験と定量的比較により,提案手法の有効性が示された。

関連論文リスト

• 3D Geometric Shape Assembly via Efficient Point Cloud Matching [59.241448711254485]
  Proxy Match Transform (PMT) は、部品の配向面間の信頼性の高いマッチングを可能にする、高次特徴変換層である。 PMT を基盤として,幾何学的組立作業のための新しいフレームワーク Proxy Match TransformeR (PMTR) を導入する。 我々は,Breaking Badの大規模3次元幾何形状集合ベンチマークデータセットを用いてPMTRの評価を行った。
  論文  参考訳（メタデータ） (2024-07-15T08:50:02Z)
• Scalable Geometric Fracture Assembly via Co-creation Space among Assemblers [24.89380678499307]
  我々は,意味情報に頼らずに,幾何学的フラクチャーアセンブリのためのスケーラブルなフレームワークを開発した。 本稿では, フラクチャー・アセンブリ・プロセスにおける衝突問題に対処するために, 新たな損失関数,すなわち幾何に基づく衝突損失を導入する。 私たちのフレームワークは、既存の最先端フレームワークと比較して、PartNetとBreaking Badデータセットの両方でパフォーマンスが向上しています。
  論文  参考訳（メタデータ） (2023-12-19T17:13:51Z)
• Multi-level Reasoning for Robotic Assembly: From Sequence Inference to Contact Selection [74.40109927350856]
  本稿では,PAST(Part Assembly Sequence Transformer)を用いて,対象とするブループリントからアセンブリシーケンスを推論する。 次に、モーションプランナーと最適化を使用して、部品の動きと接触を生成する。 実験結果から,本手法は従来手法よりも一般化されていることがわかった。
  論文  参考訳（メタデータ） (2023-12-17T00:47:13Z)
• Leveraging SE(3) Equivariance for Learning 3D Geometric Shape Assembly [7.4109730384078025]
  形状アセンブリは、部品(または断片)を完全なオブジェクトに再組み立てすることを目的としている。 部分表現の形状ポーズの歪みは幾何学的形状の組立に有用である。 本稿では,SE(3) の等式をこのような形状の非絡み合いに利用することを提案する。
  論文  参考訳（メタデータ） (2023-09-13T09:00:45Z)
• Object Scene Representation Transformer [56.40544849442227]
  オブジェクトシーン表現変換(OSRT: Object Scene Representation Transformer)は、新しいビュー合成を通じて、個々のオブジェクト表現が自然に現れる3D中心のモデルである。 OSRTは、既存のメソッドよりもオブジェクトとバックグラウンドの多様性が大きい、はるかに複雑なシーンにスケールする。 光電場パラメトリゼーションと新しいSlot Mixerデコーダのおかげで、合成レンダリングでは桁違いに高速である。
  論文  参考訳（メタデータ） (2022-06-14T15:40:47Z)
• 3D Compositional Zero-shot Learning with DeCompositional Consensus [102.7571947144639]
  我々は、部分的知識は観察されたオブジェクトクラスを超えて構成可能であるべきだと論じる。 本稿では、視覚から見えないオブジェクトクラスへの部分一般化の問題として、3D合成ゼロショット学習を提案する。
  論文  参考訳（メタデータ） (2021-11-29T16:34:53Z)
• Unsupervised Part Discovery from Contrastive Reconstruction [90.88501867321573]
  自己監督型視覚表現学習の目標は、強く伝達可能な画像表現を学習することである。 対象部分の発見とセグメンテーションに対する教師なしアプローチを提案する。 本手法は, 細粒度, 視覚的に異なるカテゴリ間でセマンティックな部分を生成する。
  論文  参考訳（メタデータ） (2021-11-11T17:59:42Z)
• RGL-NET: A Recurrent Graph Learning framework for Progressive Part Assembly [30.143946636770025]
  我々は、構造的不変量に対して堅牢なアセンブリのための一般化されたフレームワークを開発することの課題に取り組む。 我々のネットワークは、予め組み立てた部品を考慮に入れれば、形状構造のより妥当な予測を学べる。 我々の潜在空間は、ポイントクラウドコンポーネントからの形状回復のようなエキサイティングな応用を促進する。
  論文  参考訳（メタデータ） (2021-07-27T14:47:43Z)
• Generative 3D Part Assembly via Dynamic Graph Learning [34.108515032411695]
  部品組み立ては、3Dコンピュータビジョンとロボット工学において難しいが重要な課題だ。 本稿では,反復グラフニューラルネットワークをバックボーンとして活用する,アセンブリ指向の動的グラフ学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-06-14T04:26:42Z)
• Learning Unsupervised Hierarchical Part Decomposition of 3D Objects from a Single RGB Image [102.44347847154867]
  プリミティブの集合として3次元オブジェクトの幾何を共同で復元できる新しい定式化を提案する。 我々のモデルは、プリミティブのバイナリツリーの形で、様々なオブジェクトの高レベルな構造的分解を復元する。 ShapeNet と D-FAUST のデータセットを用いた実験により,部品の組織化を考慮すれば3次元形状の推論が容易になることが示された。
  論文  参考訳（メタデータ） (2020-04-02T17:58:05Z)
• Learning 3D Part Assembly from a Single Image [20.175502864488493]
  そこで本研究では,新たな問題として,学習ベースのソリューションとともに,シングルイメージの3Dパーツアセンブリを導入する。 本報告では, 家具組立において, 部品の完全な集合と, 組み立て物全体を描いた一枚の画像から, 家具組立の設定について検討する。
  論文  参考訳（メタデータ） (2020-03-21T21:19:28Z)

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。