論文の概要: Leveraging SE(3) Equivariance for Learning 3D Geometric Shape Assembly
- arxiv url: http://arxiv.org/abs/2309.06810v1
- Date: Wed, 13 Sep 2023 09:00:45 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-14 14:52:36.052517
- Title: Leveraging SE(3) Equivariance for Learning 3D Geometric Shape Assembly
- Title（参考訳）: 3次元形状集合学習のためのSE(3)の等価性
- Authors: Ruihai Wu, Chenrui Tie, Yushi Du, Yan Zhao, Hao Dong
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 7.4109730384078025
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Shape assembly aims to reassemble parts (or fragments) into a complete
object, which is a common task in our daily life. Different from the semantic
part assembly (e.g., assembling a chair's semantic parts like legs into a whole
chair), geometric part assembly (e.g., assembling bowl fragments into a
complete bowl) is an emerging task in computer vision and robotics. Instead of
semantic information, this task focuses on geometric information of parts. As
the both geometric and pose space of fractured parts are exceptionally large,
shape pose disentanglement of part representations is beneficial to geometric
shape assembly. In our paper, we propose to leverage SE(3) equivariance for
such shape pose disentanglement. Moreover, while previous works in vision and
robotics only consider SE(3) equivariance for the representations of single
objects, we move a step forward and propose leveraging SE(3) equivariance for
representations considering multi-part correlations, which further boosts the
performance of the multi-part assembly. Experiments demonstrate the
significance of SE(3) equivariance and our proposed method for geometric shape
assembly. Project page: https://crtie.github.io/SE-3-part-assembly/
- Abstract（参考訳）: 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構成することを目的としています。
意味的な部分アセンブリ(例えば、椅子の脚のような意味的な部分全体を組み立てる)とは異なる幾何学的な部分アセンブリ(例えば、ボウルの断片を完全なボウルに組み立てる)は、コンピュータビジョンとロボティクスにおける新たなタスクである。
このタスクは意味情報の代わりに、部品の幾何学的情報に焦点を当てる。
破断された部分の幾何学的空間とポーズ空間は並外れたほど大きいため、部分表現の形状は幾何学的形状の組立に有用である。
そこで本論文では,このような形状にse(3)等分散を利用するように提案する。
さらに, 視覚・ロボット工学におけるこれまでの研究は, se(3) 等分散を単一対象の表現にのみ考慮するが, 一歩前進して, 複数部分相関を考慮した表現に対する se(3) 等分散の活用を提案し, マルチパートアセンブリの性能をさらに高める。
実験はse(3)等分散の意義と,提案する幾何学的形状集合法を実証する。
プロジェクトページ: https://crtie.github.io/SE-3-part-assembly/
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) - 3D Part Assembly Generation with Instance Encoded Transformer [22.330218525999857]
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。
論文 参考訳（メタデータ） (2022-07-05T02:40:57Z) - Neural Shape Mating: Self-Supervised Object Assembly with Adversarial
Shape Priors [45.187868277839314]
本稿では,新しい3次元幾何形状マッチング手法を提案し,その課題に対処するためにニューラル形状マッチング(NSM)を提案する。
未知のカテゴリの2つの対象部分の点雲を考えると、NSMは2つの部分の適合性を推論し、それらを密に結合する2つの3Dポーズを予測する。
本稿では,物体メッシュをランダムに2つの部分に切断することで,地平とペア形状のマッチングデータを生成する自己教師型データ収集パイプラインを提案する。
論文 参考訳（メタデータ） (2022-05-30T06:58:01Z) - 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) - 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) - Learning Geometry-Disentangled Representation for Complementary
Understanding of 3D Object Point Cloud [50.56461318879761]
3次元画像処理のためのGDANet(Geometry-Disentangled Attention Network)を提案する。
GDANetは、点雲を3Dオブジェクトの輪郭と平らな部分に切り離し、それぞれ鋭い変化成分と穏やかな変化成分で表される。
3Dオブジェクトの分類とセグメンテーションベンチマークの実験は、GDANetがより少ないパラメータで最先端の処理を実現していることを示している。
論文 参考訳（メタデータ） (2020-12-20T13:35:00Z) - SEG-MAT: 3D Shape Segmentation Using Medial Axis Transform [49.51977253452456]
入力形状の媒体軸変換(MAT)に基づく3次元形状分割の効率的な方法を提案する。
具体的には、MATに符号化された豊富な幾何学的および構造的情報により、3次元形状の異なる部分間の様々な種類の接合を識別することができる。
本手法は, セグメンテーション品質の点で最先端の手法より優れ, 桁違いに高速である。
論文 参考訳（メタデータ） (2020-10-22T07:15:23Z) - 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。