論文の概要: WireSeg-32K: A Physics-Grounded Synthetic Dataset for Wire Instance Segmentation
- arxiv url: http://arxiv.org/abs/2609.03102v1
- Date: Wed, 02 Sep 2026 19:28:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-04 18:28:38.84344
- Title: WireSeg-32K: A Physics-Grounded Synthetic Dataset for Wire Instance Segmentation
- Title（参考訳）: WireSeg-32K:Wireインスタンスセグメンテーションのための物理グラウンド合成データセット
- Abstract要約: WireSeg-32kは、WireSeg-32k、WireSeg-32k、WireSeg-32k、WireSeg-32k、WireSeg-32k、WireSeg-32k、WireSeg-32k、WireSeg-32k、WireSeg-32k。
このデータセットを生成するために,コッサート・ロッド・ダイナミクスとフォトリアリスティック・レンダリングのアイザック・シムを併用したコシミュレート・パイプラインであるDeformXを開発した。
単純なベースラインとして、WireSeg-32k上のロラ微調整SAM3は、市販モデルよりも現実世界のmAP@75を10.2%改善した。
- 参考スコア（独自算出の注目度）: 8.392083476826079
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Deformable linear objects such as wires and cables are difficult to segment because they are thin, highly deformable, and frequently self-occluded, while large-scale instance-level annotations are expensive to obtain in real scenes. Existing resources either focus on cable tracing or semantic segmentation under constrained settings, or generate visually plausible images without physically grounded wire deformation. We present WireSeg-32k, a synthetic dataset for wire instance segmentation with 32,000 RGB images, instance masks, depth maps, and a complementary real-world test set with annotations. To generate this dataset, we develop DeformX, a co-simulation pipeline that couples Cosserat-rod dynamics with photorealistic Isaac Sim rendering, enabling physically plausible, contact-consistent wire shapes, CAD-based wire assets, and diverse visually grounded scenes. As a simple baseline, LoRA fine-tuning SAM3 on WireSeg-32k alone improves real-world mAP@75 by 10.2% over the off-the-shelf model, showing that physically grounded synthetic data can transfer to real wire perception.
- Abstract（参考訳）: ワイヤやケーブルなどの変形可能な線形オブジェクトは、細く、高度に変形し、頻繁に自己隠蔽されるため、セグメント化が難しい。
既存のリソースは、制約された設定下でケーブルトレースやセマンティックセグメンテーションにフォーカスするか、物理的に接地されたワイヤの変形なしに視覚的に可視の画像を生成する。
WireSeg-32kは、WireSeg-32k、WireSeg-32k、WireSeg-32k、WireSeg-32k、WireSeg-32k、WireSeg-32k、WireSeg-32k、WireSeg-32k、WireSeg-32k。
このデータセットを生成するために,コッサート・ロッドのダイナミックスとフォトリアリスティックなアイザック・シムレンダリングを併用したコシミュレートパイプラインであるDeformXを開発した。
単純なベースラインとして、WireSeg-32k上のLoRAファインチューニングSAM3は、市販のモデルよりも現実世界のmAP@75を10.2%改善し、物理的に接地された合成データが実際のワイヤ認識に転送可能であることを示した。
関連論文リスト
- Inverse Rendering for Modeling with Line Primitives [22.068172674478078]
明示的な線分を用いたファジィ幾何再構成のための逆レンダリング手法を提案する。
結果として得られる表現は、標準のグラフィックスパイプラインとシームレスに統合され、クロスプラットフォームレンダリング、様々なシェーディングモデル、物理シミュレーションを可能にする。
論文 参考訳（メタデータ） (2026-09-01T03:05:52Z) - Image2Sim: Scaling Embodied Navigation via Generative Neural Simulator [70.34667754804168]
Embodied Navigationは、マルチモーダルな目標を解釈し、3D空間を推論し、現実の世界で確実に目的地に到達するエージェントを構築することを目的としている。
本稿では,RGB-D画像シーケンスから高品質な対話環境を構築するリアルタイムニューラルネットワークフレームワークであるImage2Simを紹介する。
論文 参考訳（メタデータ） (2026-07-07T02:42:41Z) - DeformX: A Versatile Co-Simulation Framework for Deformable Linear Objects [30.23545134439942]
DeformXは、専用のCosseratロッド物理エンジンとNVIDIA Isaac Simを統合したシミュレーションフレームワークである。
我々のCosseratロッドエンジンは、DLOの動的および自己衝突をシミュレートし、任意の自由形メッシュとの接触相互作用をシミュレートする。
DeformXは、現実的な可視化、原理物理学、ロボット学習パイプラインとの互換性を統一するDLOシミュレーションのための最初のフレームワークの1つである。
論文 参考訳（メタデータ） (2026-06-20T15:57:29Z) - SIM1: Physics-Aligned Simulator as Zero-Shot Data Scaler in Deformable Worlds [36.87909899472009]
本稿では,物理世界におけるシミュレーションを基盤とした物理対応の実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-
このシステムは、シーンをメートル法に一貫性のある双子にデジタル化し、弾性モデリングによって変形可能なダイナミクスをキャラブレートし、拡散に基づく軌道生成によって振る舞いを拡大する。
実験により、純粋に合成データに基づいてトレーニングされたポリシーは、実データベースラインと1:15の等価比で同等であり、実世界の展開において90%のゼロショット成功と50%の一般化をもたらすことが示された。
論文 参考訳（メタデータ） (2026-04-09T17:59:52Z) - LightHarmony3D: Harmonizing Illumination and Shadows for Object Insertion in 3D Gaussian Splatting [90.15229815175593]
光ハーモニー3D(LightHarmony3D)について述べる。
繰り返し最適化の代わりに生成前処理を活用することにより,本手法はシーン照明を効率よく捉えることができる。
3DGSでメッシュ挿入のための最初の専用ベンチマークを導入し、照明の一貫性と光リアリズムを評価するための標準化された評価フレームワークを提供する。
論文 参考訳（メタデータ） (2026-03-31T03:26:30Z) - DiffusionHarmonizer: Bridging Neural Reconstruction and Photorealistic Simulation with Online Diffusion Enhancer [62.18680935878919]
レンダリングを時間的に一貫した出力に変換するオンライン生成拡張フレームワークであるDiffusionHarmonizerを紹介した。
コアとなるのは、単一のGPU上でオンラインシミュレータで実行可能な、一段階の時間的条件付きエンハンサーである。
論文 参考訳（メタデータ） (2026-02-27T15:35:30Z) - Semantic-Contact Fields for Category-Level Generalizable Tactile Tool Manipulation [82.63833405368159]
ツール操作の一般化には、セマンティックプランニングと正確な物理的制御の両方が必要である。
本研究では,密接な接触推定を伴う視覚的意味論を融合した3次元表現であるセマンティック・コンタクト・フィールド(SCFields)を提案する。
スクレイピング、クレヨン描画、剥離の実験は、堅牢なカテゴリレベルの一般化を示している。
論文 参考訳（メタデータ） (2026-02-14T16:05:08Z) - Real-to-Sim for Highly Cluttered Environments via Physics-Consistent Inter-Object Reasoning [11.05191602561784]
単一視点からの物理的に有効な3Dシーンの再構築は、視覚知覚とロボット制御のギャップを埋めるための前提条件である。
本稿では,物理制約付き実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実
論文 参考訳（メタデータ） (2026-02-13T05:24:58Z) - Mirage2Matter: A Physically Grounded Gaussian World Model from Video [87.9732484393686]
我々は、グラフィック駆動の世界モデリングおよびシミュレーションフレームワークであるSimulate Anythingを紹介する。
実世界の環境を3次元ガウススプレイティング(3DGS)による写実的シーン表現に再構築する。
次に、生成モデルを利用して、物理的に現実的な表現を復元し、精度校正ターゲットを介してシミュレーション環境に統合する。
論文 参考訳（メタデータ） (2026-01-24T07:43:57Z) - SUDS: Scalable Urban Dynamic Scenes [46.965165390077146]
我々はニューラルラジアンス場(NeRF)を大規模都市に拡張する。
シーンを3つの別々のハッシュテーブルデータ構造に分解し、静的、動的、遠距離の放射場を効率的に符号化する。
私たちの再建は、数百kmの空間的フットプリントにまたがる1700の動画から、120万フレームにわたる数十万のオブジェクトにスケールすることができる。
論文 参考訳（メタデータ） (2023-03-25T18:55:09Z) - OpenRooms: An End-to-End Open Framework for Photorealistic Indoor Scene
Datasets [103.54691385842314]
本研究では,屋内シーンの大規模フォトリアリスティックデータセットを作成するための新しいフレームワークを提案する。
私たちの目標は、データセット作成プロセスを広く利用できるようにすることです。
これにより、逆レンダリング、シーン理解、ロボット工学における重要な応用が可能になる。
論文 参考訳（メタデータ） (2020-07-25T06:48:47Z)
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。