論文の概要: Where Appearance Fails, Geometry Recognizes: A CAD-Free 3D Shape Prior That Complements Vision Foundation Models
- arxiv url: http://arxiv.org/abs/2609.04381v1
- Date: Thu, 03 Sep 2026 18:42:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-07 18:15:23.795177
- Title: Where Appearance Fails, Geometry Recognizes: A CAD-Free 3D Shape Prior That Complements Vision Foundation Models
- Title（参考訳）: 視覚基礎モデルを補完するCADなしの3D形状
- Abstract要約: 2次元キャプチャーは、以前の形状ではなく、凍結した基礎機能は、低テクスチュアな工業部品では失敗する。
我々は、オブジェクト中心の短いスキャンが、キャプチャーされた画像以外の認識のために何を買うのかを尋ねる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recognizing specific objects onboarded without a labeled training set recurs across manufacturing and service robotics, yet the conventional renderable prior, a computer-aided-design (CAD) model, is often unavailable. Two-dimensional capture supplies no shape prior, and frozen foundation features fail on geometrically similar, low-texture industrial parts. We ask what a short object-centric scan buys for recognition beyond the captured images themselves: each object is reconstructed with 3D Gaussian Splatting (3DGS), summarized into a per-class shape prototype, and fused with frozen DINOv2 image features. First, the scan recovers the recognition value of CAD without CAD: geometry from RGB-D depth (on T-LESS), 3DGS, and CAD gives comparable recognition (tied on HOPE, within 1.6 points on T-LESS); 3DGS is only a convenient route to a point cloud. Second, the payoff is governed by how recognizable the shape is: on shape-distinctive household objects (HOPE) geometry alone reaches 0.920 versus image-only 0.832, a ceiling below which fixed-weight fusion (0.872) sits. On shape-confusable textureless industrial parts (T-LESS) the gain is modest but consistent (0.560 to 0.591 fused, above both single signals). Third, the prior is complementary, not uniformly additive: it rescues far more image failures than it breaks successes, and its benefit grows under partial occlusion. Finally, the worth lies in geometry, not rendered pixels: 3DGS renderings do not help the image side, and frozen-feature recognition is nearly lighting-invariant (within 2.5 points). The study is scoped to recognition, not the BOP pose benchmark.
- Abstract（参考訳）: ラベル付きトレーニングセットなしで搭載されている特定のオブジェクトを認識することは、製造やサービスロボティクスにまたがって再帰するが、従来のレンダリング可能なコンピュータ支援設計(CAD)モデルは、しばしば利用できない。
2次元キャプチャーは以前の形状ではなく、凍った基礎機能は幾何学的に類似した低テクスチュアな工業部品では失敗する。
各物体は3Dガウススプラッティング(3DGS)で再構成され、クラスごとの形状のプロトタイプにまとめられ、凍結したDINOv2画像特徴と融合する。
まず、CADなしでCADの認識値を復元する。RGB-D深度(T-LESSでは)、3DGS、CADは同等の認識を与える(HOPEではT-LESSでは1.6ポイント以内)。
第2に、この支払いは、形状がいかに認識可能かによって支配される: 形状が識別可能な家庭用物(HOPE)の幾何学だけで0.920に達するのに対して、画像のみの0.832は、固定重融合(0.872)が座る天井である。
形状確認可能なテクスチャレス産業部品(T-LESS)では、利得は穏やかだが一貫性がある(0.560から0.591は両方の信号の上に融合している)。
第3に、前者は相補的であり、一様に加法的ではない。成功を破るよりもはるかに多くの画像障害を救い、その利益は部分的な閉塞の下で成長する。
3DGSのレンダリングは画像側には役に立たないし、凍結した画像認識は(2.5ポイントの)ほぼ変種である。
この研究は、BOPのポーズベンチマークではなく、認識に焦点が当てられている。
関連論文リスト
- SUFLECA: Scaling Up Feature Learning for CAD-to-image Alignment [8.675679091961213]
CAD-to-imageアライメントは、オブジェクトの9Dポーズを単一のRGBイメージから推定することを目的としている。
最近のゼロショット法では、画像領域とCADモデルとのマッチングに視覚的基礎モデルを使用している。
ゼロショットCADアライメントのための弱い教師付きフレームワークSUFLECAを紹介する。
論文 参考訳（メタデータ） (2026-07-16T14:32:34Z) - DreamSat-Pose: Spacecraft Pose Estimation from Single-View 3D Reconstructions and Learned 2D-3D Feature Matching [0.5176742519438303]
本稿では,未知の宇宙船物体の単発形状とポーズ推定のための新しいフレームワークを提案する。
まず、ターゲットの3次元形状モデルを再構成し、密集した2D-3D対応を学習することにより、相対的な6自由度ポーズを推定する。
その結果、1枚の画像のみを用いて0.157度の平均ポインティング誤差を達成できる信頼性の高いポーズ推定値が得られた。
論文 参考訳（メタデータ） (2026-07-15T05:12:48Z) - Shape: A Self-Supervised 3D Geometry Foundation Model for Industrial CAD Analysis [0.19116784879310025]
産業CADは、精度と説明可能性をサポートする堅牢で一般化可能な3D表現を必要とする。
表面メッシュを高密度のトーケン埋め込みに変換する自己教師型基礎モデルであるShapeを導入する。
論文 参考訳（メタデータ） (2026-04-19T11:59:36Z) - 3D-Fixer: Coarse-to-Fine In-place Completion for 3D Scenes from a Single Image [26.04490259188974]
合成3Dシーン生成のための新しいインプレース・コンプリート・パラダイムである3D-Fixerを紹介する。
明示的なポーズアライメントを必要とする以前の作品とは異なり、3D-Fixerはレイアウトの忠実さを維持するために空間アンカーとして断片化された幾何学を使用している。
これまでで最大のシーンレベルのデータセットであるARSG-110Kについて述べる。
論文 参考訳（メタデータ） (2026-04-06T04:11:09Z) - Beyond 'Templates': Category-Agnostic Object Pose, Size, and Shape Estimation from a Single View [69.6117755984012]
物体の6Dポーズ、サイズ、形状を視覚入力から推定することは、コンピュータビジョンの基本的な問題である。
一つのRGB-D画像から6次元のポーズ,サイズ,密な形状を同時に予測する統合されたカテゴリ非依存フレームワークを提案する。
論文 参考訳（メタデータ） (2025-10-13T17:49:15Z) - Beyond 3DMM: Learning to Capture High-fidelity 3D Face Shape [77.95154911528365]
3Dモーフィブルモデル(3DMM)の適合性は、その強力な3D先行性のため、顔解析に広く有用である。
以前に再建された3次元顔は、微細な形状が失われるため、視差の低下に悩まされていた。
本論文は, パーソナライズされた形状が対応する人物と同一に見えるよう, パーソナライズされた形状を捉えるための完全な解を提案する。
論文 参考訳（メタデータ） (2022-04-09T03:46:18Z) - Patch2CAD: Patchwise Embedding Learning for In-the-Wild Shape Retrieval
from a Single Image [58.953160501596805]
本稿では,2次元画像と3次元CADモデルの結合埋め込み空間をパッチワイズで構築する手法を提案する。
我々のアプローチは、CADが正確に一致しない実世界のシナリオにおける最先端技術よりも堅牢である。
論文 参考訳（メタデータ） (2021-08-20T20:58:52Z) - Learning Geometry-Disentangled Representation for Complementary
Understanding of 3D Object Point Cloud [50.56461318879761]
3次元画像処理のためのGDANet(Geometry-Disentangled Attention Network)を提案する。
GDANetは、点雲を3Dオブジェクトの輪郭と平らな部分に切り離し、それぞれ鋭い変化成分と穏やかな変化成分で表される。
3Dオブジェクトの分類とセグメンテーションベンチマークの実験は、GDANetがより少ないパラメータで最先端の処理を実現していることを示している。
論文 参考訳（メタデータ） (2020-12-20T13:35:00Z) - Do 2D GANs Know 3D Shape? Unsupervised 3D shape reconstruction from 2D
Image GANs [156.1209884183522]
GANのような最先端の2D生成モデルは、自然像多様体のモデリングにおいて前例のない品質を示している。
本稿では,RGB画像のみをトレーニングした市販の2D GANから3次元幾何学的手がかりを直接マイニングする試みについて紹介する。
論文 参考訳（メタデータ） (2020-11-02T09:38:43Z) - Hard Example Generation by Texture Synthesis for Cross-domain Shape
Similarity Learning [97.56893524594703]
画像に基づく3次元形状検索(IBSR)は、与えられた2次元画像の対応する3次元形状を、大きな3次元形状データベースから見つけることを目的としている。
いくつかの適応技法によるメートル法学習は、類似性学習を形作るための自然な解決策のようです。
テクスチャ合成を応用した幾何中心の多視点メトリック学習フレームワークを開発した。
論文 参考訳（メタデータ） (2020-10-23T08:52:00Z)
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。