論文の概要: Artiverse: A Diverse and Physically Grounded Dataset for Articulated Objects
- arxiv url: http://arxiv.org/abs/2605.24403v1
- Date: Sat, 23 May 2026 05:19:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-26 19:50:18.03674
- Title: Artiverse: A Diverse and Physically Grounded Dataset for Articulated Objects
- Title（参考訳）: Artiverse:Articulated Objectsのための多変量および物理接地データセット
- Authors: Denys Iliash, Jiayi Liu, Egor Fokin, Qirui Wu, Ali Mahdavi-Amiri, Manolis Savva, Angel X. Chang,
- Abstract要約: Artiverseには、88のカテゴリにまたがる5.4Kの人間が認可されたオブジェクトが含まれている。
Artiverseは、明瞭なオブジェクトに対する機能的理解を促進するためのデータリソースを提供する。
- 参考スコア（独自算出の注目度）: 32.16757152704498
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present Artiverse, a diverse and physically grounded dataset of high-quality articulated 3D objects designed for realistic functional modeling and simulation. Artiverse contains 5.4K human-authored objects across a broad range of 88 categories, aggregated from multiple 3D static repositories. Objects are annotated with functional parts, interior structures, realistic kinematic relationships and articulated joints including multi-DoF joints, and physical attributes such as metric scale, material, and mass. We develop a semi-automated annotation pipeline that combines few-shot segmentation, geometric reasoning, and multi-stage human verification to achieve high-quality and efficient annotation, reducing manual annotation time by over 30%. We demonstrate the value of Artiverse on tasks of part mobility analysis, articulated object generation, and physics-based interaction. Artiverse provides a data resource to advance functional understanding for articulated objects.
- Abstract（参考訳）: リアルな機能モデリングとシミュレーションのために設計された高品質な3Dオブジェクトの多種多様な物理的基盤を持つデータセットであるArtiverseを提示する。
Artiverseには、複数の3D静的レポジトリから集約された、88のカテゴリにまたがる5.4Kの人間が認可されたオブジェクトが含まれている。
対象物には、機能的部分、内部構造、現実的なキネマティックな関係、マルチDoF関節を含む関節、およびメートル法、物質、質量などの物理的属性が注釈付けされている。
我々は,手動のアノテーション時間を30%以上削減し,高品質で効率的なアノテーションを実現するために,数ショットのセグメンテーション,幾何学的推論,多段階人間の検証を組み合わせた半自動アノテーションパイプラインを開発した。
本研究では,部分移動解析,オブジェクト生成,物理に基づくインタラクションのタスクにおけるArtiverseの価値を実証する。
Artiverseは、明瞭なオブジェクトに対する機能的理解を促進するためのデータリソースを提供する。
関連論文リスト
- ArtLLM: Generating Articulated Assets via 3D LLM [19.814132638278547]
ArtLLMは、完全な3Dメッシュから直接高品質な調音資産を生成するための新しいフレームワークである。
コアとなるのは,大規模な調音データセットに基づいてトレーニングされた,3Dマルチモーダルな大規模言語モデルだ。
実験の結果,ArtLLMは部品配置精度と接合予測の両方で最先端の手法を著しく上回ることがわかった。
論文 参考訳（メタデータ） (2026-03-01T15:07:46Z) - Articulated 3D Scene Graphs for Open-World Mobile Manipulation [55.97942733699124]
本報告では, セマンティックな3次元シーングラフを構築するためのフレームワークであるMoMa-SGについて述べる。
新たな統合的ツイスト推定法を用いて調音モデルを推定する。
また,Arti4D-Semanticデータセットについても紹介する。
論文 参考訳（メタデータ） (2026-02-18T10:40:35Z) - 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) - 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) - Articulate AnyMesh: Open-Vocabulary 3D Articulated Objects Modeling [48.78204955169967]
Articulate Anymeshは,剛性のある3Dメッシュを,オープンな語彙で表現されたものに変換可能な,自動フレームワークである。
実験の結果、Articulate Anymeshは、ツール、おもちゃ、機械装置、車両など、大規模で高品質な3D関節オブジェクトを生成できることがわかった。
論文 参考訳（メタデータ） (2025-02-04T18:59:55Z) - Full-Body Articulated Human-Object Interaction [61.01135739641217]
CHAIRSは16.2時間の多目的相互作用からなる大規模な動きキャプチャーされたf-AHOIデータセットである。
CHAIRSは、対話的なプロセス全体を通して、人間と明瞭なオブジェクトの両方の3Dメッシュを提供する。
HOIにおける幾何学的関係を学習することにより,人間のポーズ推定を利用した最初のモデルが考案された。
論文 参考訳（メタデータ） (2022-12-20T19:50:54Z) - AKB-48: A Real-World Articulated Object Knowledge Base [38.4899076076656]
提案するAKB-48は,48種類の実世界2,037個のオブジェクトモデルからなる大規模Articulated Object Knowledge Baseである。
AKB-48を構築するために,約10～15分でArtiKGを満たす高速調音知識モデリング(FArM)パイプラインを提案する。
提案するAKBNetは,C-VAM(Calegory-level Visual Articulation Manipulation)タスクのための新しい積分パイプラインである。
論文 参考訳（メタデータ） (2022-02-17T03:24:07Z)
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。