論文の概要: StructureGS: Structure-aware Gaussian Splatting for Articulated Object Reconstruction
- arxiv url: http://arxiv.org/abs/2607.26889v1
- Date: Wed, 29 Jul 2026 13:18:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-30 21:06:25.687274
- Title: StructureGS: Structure-aware Gaussian Splatting for Articulated Object Reconstruction
- Title（参考訳）: StructureGS:Articulated Object Restructingのための構造認識型ガウススプレイティング
- Authors: Gahye Lee, Gyoonseo Kim, Wonjong Jang, Jooeun Son, Seungyong Lee,
- Abstract要約: 本研究では,構造認識誘導を3次元ガウス平滑化に組み込んだ調音オブジェクトの再構成フレームワークであるStructureGSを紹介する。
提案手法は, 音像再構成における最先端性能を実現し, 良好な部分測度で高品質な結果が得られる。
- 参考スコア（独自算出の注目度）: 4.05635014683931
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Reconstructing articulated objects with multiple movable parts is essential for understanding object structure and enabling physical interaction. However, this reconstruction task poses significant challenges due to the entanglement of geometry, appearance, and motion parameters during optimization. Existing methods rely primarily on photometric supervision, which commonly fails to disentangle these interdependent components, resulting in poor part decomposition with blurred boundaries and geometric artifacts. To address this limitation, we introduce StructureGS, a reconstruction framework for articulated objects that integrates structure-aware guidance into 3D Gaussian Splatting. Our approach leverages oriented bounding boxes of object parts to enforce two key structural properties: spatial coherence, which constrains each part's geometry to remain compact and spatially coherent within its designated region, and structural connectivity, which enforces physically plausible contact relationships between adjacent parts. These properties are realized through structure-aware losses that inject explicit structural constraints into the optimization process. Extensive experiments demonstrate that our method achieves state-of-the-art performance in articulated object reconstruction, producing high-quality results with well-defined part geometries.
- Abstract（参考訳）: 複数の可動部分を持つ調音物体を再構成することは、物体の構造を理解し、物理的相互作用を可能にするのに不可欠である。
しかし, この再構成作業は, 最適化時の幾何, 外観, 運動パラメータの絡み合いにより, 重要な課題となる。
既存の手法は、主に測光監督に依存しており、一般的にこれらの相互依存成分を解離させることができず、その結果、ぼやけた境界と幾何学的アーティファクトで部分分解が不十分になる。
この制限に対処するために,構造認識誘導を3次元ガウス・スプラッティングに統合した音声オブジェクトの再構成フレームワークであるStructureGSを紹介した。
提案手法は, 対象部品の配向境界ボックスを利用して, 空間的コヒーレンス(空間的コヒーレンス)と, 隣接部分間の物理的に妥当な接触関係を強制する構造的コヒーレンス(構造的コヒーレンス)という, 2つの重要な構造的特性を強制する。
これらの特性は、最適化プロセスに明示的な構造的制約を注入する構造認識損失によって実現される。
大規模実験により,本手法は高精細度オブジェクト再構成における最先端性能を実現し,高精細な部分ジオメトリによる高品質な結果が得られることを示した。
関連論文リスト
- Artic-O: End-to-End Articulated Object Reconstruction via Latent Geometry Learning [105.35529379360186]
Artic-Oは、音声によるオブジェクト再構成のためのエンドツーエンドのフィードフォワードフレームワークである。
スパース多状態観測を事前訓練された潜在幾何学空間にマッピングする。
凍結したフローマッチングデコーダは、可視構造と隠蔽構造の回復に先立って完全な形状を提供する。
論文 参考訳（メタデータ） (2026-06-20T08:15:30Z) - Beyond Point-Wise Matching: Structural Representation Alignment for Accelerating Diffusion Transformers [93.3976834364707]
本稿では,特徴写像のリレーショナル幾何における整合性を実現する構造的RePresentation AlignmentフレームワークであるsREPAを提案する。
モデルが事前訓練された特徴から全体的空間配置と構造的相関を内包するように促すことにより、sREPAはより高速でより安定した収束を達成する。
論文 参考訳（メタデータ） (2026-05-16T12:01:04Z) - GEAR: GEometry-motion Alternating Refinement for Articulated Object Modeling with Gaussian Splatting [47.344503859540914]
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。
論文 参考訳（メタデータ） (2026-04-09T02:24:39Z) - PARSE: Part-Aware Relational Spatial Modeling [37.44430581571346]
提案するPARSEは,オブジェクト部品の相互作用を明示的にモデル化し,現実的かつ空間的に接地されたシーン構成を決定するフレームワークである。
PARSE-10Kは,実画像レイアウトの先行画像から構築した1万枚の屋内シーンのデータセットと,キュレートされた部分注釈型形状データベースである。
この構造化された空間的な監督により、PARSE-10K上の細調整Qwen3-VLにより、より強力なオブジェクトレベルのレイアウト推論とより正確な部分レベルの関係理解が得られる。
論文 参考訳（メタデータ） (2026-03-08T16:11:18Z) - Follow My Hold: Hand-Object Interaction Reconstruction through Geometric Guidance [61.41904916189093]
単眼RGB画像から手持ち物体の3次元形状を再構成する拡散法に基づく新しいフレームワークを提案する。
我々は手オブジェクト間相互作用を幾何学的ガイダンスとして使用し、手オブジェクト間相互作用を確実にする。
論文 参考訳（メタデータ） (2025-08-25T17:11:53Z) - Structure-Aware Correspondence Learning for Relative Pose Estimation [65.44234975976451]
相対的なポーズ推定は、オブジェクトに依存しないポーズ推定を達成するための有望な方法を提供する。
既存の3D対応方式は、可視領域における小さな重複と、可視領域に対する信頼できない特徴推定に悩まされている。
本稿では,2つの鍵モジュールからなる相対詩推定のための構造認識対応学習手法を提案する。
論文 参考訳（メタデータ） (2025-03-24T13:43:44Z) - 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) - DeepBranchTracer: A Generally-Applicable Approach to Curvilinear
Structure Reconstruction Using Multi-Feature Learning [12.047523258256088]
本稿では,外部画像の特徴と内部幾何学的特徴の両方を学習し,曲線構造を再構築するDeepBranchTracerを紹介する。
既存のセグメンテーション法や再構成法よりも優れた性能を示すため,2次元データセットと3次元データセットの両方でモデルを広範囲に評価した。
論文 参考訳（メタデータ） (2024-02-02T07:13:07Z) - TC-SfM: Robust Track-Community-Based Structure-from-Motion [24.956499348500763]
本研究では,現場における高次情報,すなわち地域空間の文脈情報を活用することで,復興を導くことを提案する。
新たな構造、すなわち、各コミュニティがトラックのグループで構成され、シーン内の局所的なセグメントを表現する、テキストトラックコミュニティが提案されている。
論文 参考訳（メタデータ） (2022-06-13T01:09:12Z) - SPAMs: Structured Implicit Parametric Models [30.19414242608965]
本研究では,非剛体物体の動きを形状とポーズの部分的不整合表現に構造的に分解する変形可能なオブジェクト表現として,構造化単純パラメトリックモデル(SPAM)を学習する。
複雑な変形物体の動きの深度配列の復元と追跡において、我々の部分認識形状とポーズ理解が最先端のパフォーマンスに繋がることを示す実験を行った。
論文 参考訳（メタデータ） (2022-01-20T12:33:46Z) - 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)
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。