論文の概要: Part$^{2}$GS: Part-aware Modeling of Articulated Objects using 3D Gaussian Splatting
- arxiv url: http://arxiv.org/abs/2506.17212v1
- Date: Fri, 20 Jun 2025 17:59:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-23 19:00:05.589246
- Title: Part$^{2}$GS: Part-aware Modeling of Articulated Objects using 3D Gaussian Splatting
- Title（参考訳）: Part$^{2}$GS:3次元ガウススプレイティングを用いた人工物のパートアウェアモデリング
- Authors: Tianjiao Yu, Vedant Shah, Muntasir Wahed, Ying Shen, Kiet A. Nguyen, Ismini Lourentzou,
- Abstract要約: Part$2$GSは、高忠実度幾何を持つ多部オブジェクトの調音されたデジタルツインをモデル化するための新しいフレームワークである。
物理的に一貫した運動を保証するために,物理に基づく制約によって導かれる運動認識の標準表現を提案する。
Part$2$GSは、可動部品に対するChamfer Distanceにおいて、最先端のメソッドを最大10$times$で一貫して上回ることを示す。
- 参考スコア（独自算出の注目度）: 9.432567695900184
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Articulated objects are common in the real world, yet modeling their structure and motion remains a challenging task for 3D reconstruction methods. In this work, we introduce Part$^{2}$GS, a novel framework for modeling articulated digital twins of multi-part objects with high-fidelity geometry and physically consistent articulation. Part$^{2}$GS leverages a part-aware 3D Gaussian representation that encodes articulated components with learnable attributes, enabling structured, disentangled transformations that preserve high-fidelity geometry. To ensure physically consistent motion, we propose a motion-aware canonical representation guided by physics-based constraints, including contact enforcement, velocity consistency, and vector-field alignment. Furthermore, we introduce a field of repel points to prevent part collisions and maintain stable articulation paths, significantly improving motion coherence over baselines. Extensive evaluations on both synthetic and real-world datasets show that Part$^{2}$GS consistently outperforms state-of-the-art methods by up to 10$\times$ in Chamfer Distance for movable parts.
- Abstract（参考訳）: アーティキュレートされた物体は実世界では一般的であるが、その構造と動きをモデル化することは3次元再構成法にとって難しい課題である。
本研究では,高忠実度形状と物理的に整合性を有する多部オブジェクトの調音ディジタル双対をモデル化するための新しいフレームワークであるPart$^{2}$GSを紹介する。
Part$^{2}$GSは、学習可能な属性で調音されたコンポーネントを符号化する部分認識の3Dガウス表現を活用し、高忠実な幾何を保存する構造化された非絡み合った変換を可能にする。
物理的に一貫した運動を保証するため,接触力,速度の整合性,ベクトル場アライメントなど,物理に基づく制約によって導かれる運動認識の標準表現を提案する。
さらに,部分衝突を防止し,安定な調音経路を維持でき,ベースライン上の運動コヒーレンスを大幅に向上させることができる。
合成と実世界の両方のデータセットの大規模な評価から、Part$^{2}$GSは可動部品のChamfer Distanceにおいて10$\times$まで、常に最先端の手法より優れていることが分かる。
関連論文リスト
- Self-Supervised Multi-Part Articulated Objects Modeling via Deformable Gaussian Splatting and Progressive Primitive Segmentation [23.18517560629462]
DeGSSは,物体を変形可能な3次元ガウス場として符号化し,幾何学,外観,動きを1つのコンパクト表現に埋め込む統一フレームワークである。
一般化とリアリズムを評価するために、合成PartNet-Mobilityベンチマークを拡張し、RGBキャプチャと正確にリバースエンジニアリングされた3Dモデルを組み合わせたリアル・トゥ・シムデータセットRS-Artをリリースする。
論文 参考訳（メタデータ） (2025-06-11T12:32:16Z) - PIG: Physically-based Multi-Material Interaction with 3D Gaussians [14.097146027458368]
PIG: 3次元ガウシアンとの物理的に基いた多元的相互作用は、3次元物体のセグメンテーションと高精度に相互作用する物体のシミュレーションを組み合わせた新しいアプローチである。
本手法は,映像品質の面では最先端技術(SOTA)よりも優れるだけでなく,物理的に現実的なシーン生成の分野での新たな方向やパイプラインも開放することを示す。
論文 参考訳（メタデータ） (2025-06-09T11:25:21Z) - IAAO: Interactive Affordance Learning for Articulated Objects in 3D Environments [56.85804719947]
IAAOは知的エージェントのための明示的な3Dモデルを構築するフレームワークで,対話を通して環境内の明瞭な物体の理解を得る。
マスク特徴とビュー一貫性ラベルを多視点画像から抽出し,まず3次元ガウススティング(3DGS)を用いて各オブジェクト状態の階層的特徴とラベルフィールドを構築する。
次に、3Dガウスプリミティブ上でオブジェクトと部分レベルのクエリを実行し、静的および明瞭な要素を識別し、大域的な変換と局所的な調音パラメータをアベイランスとともに推定する。
論文 参考訳（メタデータ） (2025-04-09T12:36:48Z) - ArticulatedGS: Self-supervised Digital Twin Modeling of Articulated Objects using 3D Gaussian Splatting [29.69981069695724]
RGBの出現と動きパラメータの推定により,部分レベルでの同時再構成の課題に対処する。
我々は3次元ガウス表現において、外観情報と幾何学情報の両方を同時に再構成する。
我々はArticulatedGSを紹介した。ArticulatedGSは自己監督型で総合的なフレームワークで、パートレベルで形状や外観を自律的にモデル化する。
論文 参考訳（メタデータ） (2025-03-11T07:56:12Z) - DecoupledGaussian: Object-Scene Decoupling for Physics-Based Interaction [21.80091691062415]
DecoupledGaussianは、接触した表面から静止物体を分離する新しいシステムだ。
DecoupledGaussianを総合的なユーザスタディと定量的ベンチマークで検証する。
このシステムは、現実世界の環境におけるオブジェクトやシーンとのデジタルインタラクションを強化し、VR、ロボティクス、自動運転といった産業に恩恵をもたらす。
論文 参考訳（メタデータ） (2025-03-07T14:54:54Z) - ArtGS: Building Interactable Replicas of Complex Articulated Objects via Gaussian Splatting [66.29782808719301]
コンピュータビジョンにおいて、音声で表現されたオブジェクトを構築することが重要な課題である。
既存のメソッドは、しばしば異なるオブジェクト状態間で効果的に情報を統合できない。
3次元ガウスを柔軟かつ効率的な表現として活用する新しいアプローチであるArtGSを紹介する。
論文 参考訳（メタデータ） (2025-02-26T10:25:32Z) - GEAL: Generalizable 3D Affordance Learning with Cross-Modal Consistency [50.11520458252128]
既存の3Dアベイランス学習手法は、注釈付きデータに制限があるため、一般化と堅牢性に苦慮している。
本稿では,大規模事前学習型2Dモデルを活用することで,3次元アベイランス学習の一般化と堅牢性を高めるための新しいフレームワークであるGEALを提案する。
GEALは、既存のメソッドと、新しいオブジェクトカテゴリ、および破損したデータにおいて、一貫して優れています。
論文 参考訳（メタデータ） (2024-12-12T17:59:03Z) - REACTO: Reconstructing Articulated Objects from a Single Video [64.89760223391573]
関節の柔軟な変形を維持しつつ各部の剛性を向上する新しい変形モデルを提案する。
提案手法は, 従来よりも高忠実度な3D再構成を実現する上で, 従来の手法よりも優れていた。
論文 参考訳（メタデータ） (2024-04-17T08:01:55Z) - MoDA: Modeling Deformable 3D Objects from Casual Videos [84.29654142118018]
神経二元四元系ブレンドスキンニング(NeuDBS)を提案し,スキンを折り畳むことなく3次元点変形を実現する。
異なるフレーム間で2Dピクセルを登録する試みにおいて、標準空間内の3D点を符号化する標準特徴埋め込みの対応性を確立する。
本手法は,ヒトと動物の3Dモデルを,最先端の手法よりも質的,定量的な性能で再構築することができる。
論文 参考訳（メタデータ） (2023-04-17T13:49:04Z) - DensePose 3D: Lifting Canonical Surface Maps of Articulated Objects to
the Third Dimension [71.71234436165255]
DensePose 3Dは2次元画像アノテーションのみから弱い教師付きで再構築を学習できる手法である。
3Dスキャンを必要としないため、DensePose 3Dは異なる動物種などの幅広いカテゴリーの学習に利用できる。
我々は,人間と動物のカテゴリーの合成データと実データの両方をベースラインとして,最先端の非剛体構造と比較し,顕著な改善を示した。
論文 参考訳（メタデータ） (2021-08-31T18:33:55Z)
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。