論文の概要: GRAFT: Graph-Based Affordance Transfer via Part Correspondence

• arxiv url: http://arxiv.org/abs/2606.25241v1
• Date: Tue, 23 Jun 2026 23:58:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-25 17:05:30.167833
• Title: GRAFT: Graph-Based Affordance Transfer via Part Correspondence
• Title（参考訳）: GRAFT:部分対応によるグラフベースアフォーマンス転送
• Authors: Mengying Lin, Utkarsh Mishra, Ajay Mandlekar, Danfei Xu,
• Abstract要約: 学習ベースのアプローチでは多くのデモが必要で、数ショットの環境では失敗する。 GRAFTは、オブジェクトごとの1つの実演のみを用いたゼロショット操作転送のための幾何対応対応フレームワークである。 未知のオブジェクトに対して,まずデモバッファから最も機能的で幾何学的に類似したインスタンスをアライメントした機能部分で検索し,最後に接点をポイントワイド対応で伝播する。
• 参考スコア（独自算出の注目度）: 15.954352116733013
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generalizing robotic manipulation to unseen objects remains challenging, as learning-based approaches require many demonstrations and fail in few-shot settings. Prior work transfers affordances through semantic retrieval, but semantics alone neglect geometric similarity, which is critical for manipulation. We propose GRAFT, a geometry-aware correspondence framework for zero-shot manipulation transfer using only one demonstration per object. Objects are represented as part-based graphs, where part-level descriptors support global instance retrieval and part correspondence, and vertex-level descriptors enable fine-grained contact point matching. For an unseen object, our method first retrieves the most functionally and geometrically similar instance from the demonstration buffer with aligned functional parts, and finally propagates the contact points through point-wise correspondence.
• Abstract（参考訳）: 学習ベースのアプローチでは多くのデモが必要で、数ショットの環境では失敗する。 先行研究は意味的検索を通じて余暇を伝達するが、意味論だけでも幾何学的類似性を無視しており、操作に欠かせない。 GRAFTは、オブジェクトごとの1つの実演のみを用いたゼロショット操作転送のための幾何対応対応フレームワークである。 オブジェクトは部分ベースのグラフとして表現され、パートレベルのディスクリプタはグローバルインスタンス検索とパート対応をサポートし、頂点レベルのディスクリプタはきめ細かいコンタクトポイントマッチングを可能にする。 未知のオブジェクトに対して,まずデモバッファから最も機能的で幾何学的に類似したインスタンスをアライメントした機能部分で検索し,最後に接点をポイントワイド対応で伝播する。

関連論文リスト

• Affordance Transfer Across Object Instances via Semantically Anchored Functional Map [4.786936073180585]
  本研究では,1つの視覚的実演からオブジェクト間でアベイランスを伝達するフレームワークであるemphSemantic Anchored Functional Maps (SemFM)を提案する。 本手法は,オブジェクト間のセマンティックな機能領域を特定し,相互に排他的なセマンティックアンカーを選択し,それらの制約を表面上で伝達する。 合成対象カテゴリーと実世界のロボット操作タスクの実験により,本手法が計算コストを抑えながら精度の高い移動を可能にすることを示す。
  論文  参考訳（メタデータ） (2026-02-16T16:04:47Z)
• PartHOI: Part-based Hand-Object Interaction Transfer via Generalized Cylinders [15.1049019475729]
  ハンドオブジェクトインタラクション(HOI)を理解し,モデル化するための学習ベースの手法は,高品質なHOIデータを必要とする。 HOIデータを作成する1つの方法は、オブジェクトの幾何学に基づいて、ソースオブジェクトから別のオブジェクトへの手ポーズを転送することである。 PartHOIは、対象部品間の堅牢な幾何学的対応を確立し、接触点の移動を可能にする。
  論文  参考訳（メタデータ） (2025-04-29T09:56:29Z)
• Detection Based Part-level Articulated Object Reconstruction from Single RGBD Image [52.11275397911693]
  本稿では,1枚のRGBD画像から複数の人工関節オブジェクトを再構成する,エンドツーエンドで訓練可能なクロスカテゴリ手法を提案する。 私たちは、あらかじめ定義された部分数で人工的なオブジェクトに焦点をあて、インスタンスレベルの潜在空間を学習することに依存する以前の作業から離れています。 提案手法は, 従来の作業では処理できない様々な構成された複数インスタンスの再構築に成功し, 形状再構成や運動学推定において, 先行の作業よりも優れていた。
  論文  参考訳（メタデータ） (2025-04-04T05:08:04Z)
• Aligning Instance-Semantic Sparse Representation towards Unsupervised Object Segmentation and Shape Abstraction with Repeatable Primitives [48.155145581663724]
  3Dオブジェクトの形状を理解するには、インスタンスとセマンティックセグメンテーションの結果から抽象化されたオブジェクト部品による形状表現が必要である。 セマンティック・アウェア・シェイプ表現のための一段階的、完全に教師なしのフレームワークを提案する。 このフレームワークは、高次元空間におけるオブジェクト部分のスパース表現と特徴アライメントを通じて、統合インスタンスのセグメンテーション、セマンティックセグメンテーション、形状抽象化を生成する。
  論文  参考訳（メタデータ） (2025-03-10T05:52:17Z)
• Open-Vocabulary Octree-Graph for 3D Scene Understanding [54.11828083068082]
  Octree-Graphはオープンな3Dシーン理解のための新しいシーン表現である。 セマンティクスを記憶し、その形状に応じてオブジェクトの占有度を調節するアダプティブ・オクツリー構造を開発する。
  論文  参考訳（メタデータ） (2024-11-25T10:14:10Z)
• ICGNet: A Unified Approach for Instance-Centric Grasping [42.92991092305974]
  オブジェクト中心の把握のためのエンドツーエンドアーキテクチャを導入する。 提案手法の有効性を,合成データセット上での最先端手法に対して広範囲に評価することにより示す。
  論文  参考訳（メタデータ） (2024-01-18T12:41:41Z)
• Learning-based Relational Object Matching Across Views [63.63338392484501]
  本稿では,RGB画像間のオブジェクト検出をマッチングするための,局所キーポイントと新たなオブジェクトレベルの特徴を組み合わせた学習ベースアプローチを提案する。 我々は、連想グラフニューラルネットワークにおいて、オブジェクト間の外観とフレーム間およびフレーム間空間関係に基づいて、オブジェクトレベルのマッチング機能を訓練する。
  論文  参考訳（メタデータ） (2023-05-03T19:36:51Z)
• Marching-Primitives: Shape Abstraction from Signed Distance Function [29.7543198254021]
  本稿では,SDF から直接原始的抽象化を得るために,マーチング・プリミティブと呼ばれる新しい手法を提案する。 本手法は, ボクセルの接続性を解析することにより, 幾何的プリミティブを反復的に成長させる。 合成および実世界の両方のデータセットにおいて,本手法の性能を評価する。
  論文  参考訳（メタデータ） (2023-03-23T11:42:35Z)
• Continuous Surface Embeddings [76.86259029442624]
  我々は、変形可能な対象カテゴリーにおける密接な対応を学習し、表現するタスクに焦点をあてる。 本稿では,高密度対応の新たな学習可能な画像ベース表現を提案する。 提案手法は,人間の身近なポーズ推定のための最先端手法と同等以上の性能を示すことを示す。
  論文  参考訳（メタデータ） (2020-11-24T22:52:15Z)
• A Graph-based Interactive Reasoning for Human-Object Interaction Detection [71.50535113279551]
  本稿では,HOIを推論するインタラクティブグラフ(Interactive Graph, in-Graph)という,グラフに基づくインタラクティブ推論モデルを提案する。 In-GraphNet と呼ばれる HOI を検出するための新しいフレームワークを構築した。 私たちのフレームワークはエンドツーエンドのトレーニングが可能で、人間のポーズのような高価なアノテーションはありません。
  論文  参考訳（メタデータ） (2020-07-14T09:29:03Z)

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。