論文の概要: GEAR: GEometry-motion Alternating Refinement for Articulated Object Modeling with Gaussian Splatting
- arxiv url: http://arxiv.org/abs/2604.07728v1
- Date: Thu, 09 Apr 2026 02:24:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-10 18:34:05.642388
- Title: GEAR: GEometry-motion Alternating Refinement for Articulated Object Modeling with Gaussian Splatting
- Title（参考訳）: GEAR:Gaussian Splattingを用いたArticulated Object ModelingのためのGeometry-motion Alternating Refinement
- Authors: Jialin Li, Bin Fu, Ruiping Wang, Xilin Chen,
- Abstract要約: GEARは、幾何学と運動を相互依存成分として共同でモデル化するEMスタイルの交互最適化フレームワークである。
GEARは部分セグメンテーションを潜在変数として扱い、関節運動パラメータを明示変数として扱い、コンバージェンスと幾何運動の整合性を改善するためにそれらを交互に精製する。
複数のベンチマークと新たに構築したデータセットGEAR-Multiによる実験により、GEARは幾何再構成と運動パラメータ推定において最先端の結果が得られることを示した。
- 参考スコア（独自算出の注目度）: 47.344503859540914
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: High-fidelity interactive digital assets are essential for embodied intelligence and robotic interaction, yet articulated objects remain challenging to reconstruct due to their complex structures and coupled geometry-motion relationships. Existing methods suffer from instability in geometry-motion joint optimization, while their generalization remains limited on complex multi-joint or out-of-distribution objects. To address these challenges, we propose GEAR, an EM-style alternating optimization framework that jointly models geometry and motion as interdependent components within a Gaussian Splatting representation. GEAR treats part segmentation as a latent variable and joint motion parameters as explicit variables, alternately refining them for improved convergence and geometric-motion consistency. To enhance part segmentation quality without sacrificing generalization, we leverage a vanilla 2D segmentation model to provide multi-view part priors, and employ a weakly supervised constraint to regularize the latent variable. Experiments on multiple benchmarks and our newly constructed dataset GEAR-Multi demonstrate that GEAR achieves state-of-the-art results in geometric reconstruction and motion parameters estimation, particularly on complex articulated objects with multiple movable parts.
- Abstract（参考訳）: 高忠実度インタラクティブデジタルアセットは、インテリジェンスとロボットの相互作用の具体化に不可欠であるが、複雑な構造と幾何学と運動の関係が組み合わさったため、定形化されたオブジェクトは再構築が困難なままである。
既存の手法は幾何-運動関節最適化の不安定性に悩まされているが、それらの一般化は複雑な多関節や分布外オブジェクトに限られている。
これらの課題に対処するために,GEARを提案する。GEARは,幾何学と運動をガウススプラッティング表現内の相互依存成分として結合的にモデル化するEMスタイルの交互最適化フレームワークである。
GEARは部分セグメンテーションを潜在変数として扱い、関節運動パラメータを明示変数として扱い、コンバージェンスと幾何運動の整合性を改善するためにそれらを交互に精製する。
一般化を犠牲にすることなく,部品分割品質を向上させるために,バニラ2次元分割モデルを用いて複数ビューの先行情報を提供し,遅延変数の正則化に弱制御された制約を用いる。
複数のベンチマークと新たに構築したデータセットGEAR-Multiによる実験により、GEARは幾何再構成と運動パラメータ推定において、特に複数の可動部分を持つ複雑な関節オブジェクトに対して、最先端の結果が得られることが示された。
関連論文リスト
- ArtPro: Self-Supervised Articulated Object Reconstruction with Adaptive Integration of Mobility Proposals [18.50624014637526]
ArtProは、提案の適応的な統合を導入する、新しい自己管理フレームワークである。
ArtProは、複雑な多部オブジェクトの堅牢な再構築を実現し、精度と安定性において既存の手法を大幅に上回っていることを示す。
論文 参考訳（メタデータ） (2026-02-26T06:35:23Z) - PAct: Part-Decomposed Single-View Articulated Object Generation [45.04652409374895]
アーティキュレートされたオブジェクトは、AI、ロボティクス、VR/ARなど、インタラクティブな3Dアプリケーションの中心である。
明示的な部分認識条件下で部分幾何学, 構成, 調音を合成する, 調音オブジェクト生成のための部分中心生成フレームワークを提案する。
我々の表現は、オブジェクトを可動部品の集合としてモデル化し、それぞれ、部品のアイデンティティと調音の手がかりを付加した潜在トークンで符号化する。
論文 参考訳（メタデータ） (2026-02-16T17:45:44Z) - TangramPuzzle: Evaluating Multimodal Large Language Models with Compositional Spatial Reasoning [104.66714520975837]
古典的タングラムゲームのレンズを通して構成空間推論を評価するために,幾何グラウンドのベンチマークを導入する。
本稿では,タングラム集合を正確に機械で検証可能な座標仕様でグルーピングする記号幾何学的枠組みであるタングラム構成式(TCE)を提案する。
MLLMは、幾何学的制約を無視しながら、ターゲットのシルエットとのマッチングを優先する傾向がある。
論文 参考訳（メタデータ） (2026-01-23T07:35:05Z) - Kinematify: Open-Vocabulary Synthesis of High-DoF Articulated Objects [59.51185639557874]
本稿では,任意のRGB画像やテキスト記述から直接音声オブジェクトを合成するフレームワークであるKinematifyを紹介する。
提案手法は, 高DoFオブジェクトに対する運動的トポロジの推測と静的幾何からの関節パラメータの推定という2つの課題に対処する。
論文 参考訳（メタデータ） (2025-11-03T07:21:42Z) - GaussianArt: Unified Modeling of Geometry and Motion for Articulated Objects [4.717906057951389]
本稿では,3次元ガウスモデルを用いて幾何学と運動を共同でモデル化する統一表現を提案する。
この定式化により、運動分解の堅牢性が向上し、最大で20個の部分を持つ明瞭な物体をサポートする。
提案手法は, 広範囲な物体の形状復元と動き推定において, 常に優れた精度を達成できることを示す。
論文 参考訳（メタデータ） (2025-08-20T17:59:08Z) - 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) - Geometry-Editable and Appearance-Preserving Object Compositon [67.98806888489385]
汎用オブジェクト合成(GOC)は、対象オブジェクトを望まれる幾何学的性質を持つ背景シーンにシームレスに統合することを目的としている。
近年のアプローチは意味的埋め込みを導出し、それらを高度な拡散モデルに統合し、幾何学的に編集可能な生成を可能にする。
本稿では,まずセマンティックな埋め込みを活用して,所望の幾何学的変換を暗黙的にキャプチャするDistangled Geometry-editable and Outearance-Preserving Diffusionモデルを提案する。
論文 参考訳（メタデータ） (2025-05-27T09:05:28Z) - 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)
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。