論文の概要: PART: Learning 3D Part Assembly and Retrieval with Transformers
- arxiv url: http://arxiv.org/abs/2609.19872v1
- Date: Thu, 17 Sep 2026 08:23:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-20 08:55:54.163737
- Title: PART: Learning 3D Part Assembly and Retrieval with Transformers
- Title（参考訳）: パート: トランスフォーマーによる3Dパーツの組み立てと検索
- Abstract要約: Partは3D部分の検索と組み立てのためのトランスフォーマーベースのフレームワークである。
パーツを検索し、可変長の出力でポーズを回帰する。
シーンレイアウト、イメージターゲット、および現実世界のスキャンに一般化する。
- 参考スコア（独自算出の注目度）: 12.679342348100086
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: 3D assembly is fundamental to modern manufacturing and digital content creation. In this paper, we present PART, a unified transformer-based framework for 3D part retrieval and assembly: given a target shape and a part library, PART automatically selects the appropriate parts and predicts their 6-DoF poses to reconstruct the target. While prior work has achieved impressive progress on assembling a pre-defined set of parts, this more practical retrieval-based setting remains largely unexplored. The task faces three key challenges: (i) a combinatorially explosive search space that grows exponentially with library size; (ii) variable-length outputs, as different targets require different numbers of parts; and (iii) continuous 6-DoF pose estimation for part assembly. To address these, we formulate retrieval and assembly as a set prediction problem and design a novel transformer-based framework that retrieves parts and regresses their poses with variable-length output. Additionally, we exploit the duality between part pose estimation and target segmentation through joint training and a novel segmentation-enhanced optimization module. Finally, We curate a large-scale dataset of 80K+ shapes, and the results show that PART generalizes to scene layouts, image targets, and real-world scans. Project Page: https://iambrc.github.io/PART-project-page/.
- Abstract（参考訳）: 3Dマニュファクチャリングは、現代の製造とデジタルコンテンツ制作に不可欠である。
本稿では,3次元部分検索と組立のための統合トランスフォーマーベースのフレームワークであるPartsについて述べる。対象形状と部品ライブラリが与えられた場合,Partは自動的に適切なパーツを選択し,ターゲットを再構築するための6-DoFのポーズを予測する。
事前の作業は、事前に定義された部品セットの組み立てにおいて驚くべき進歩を遂げてきたが、このより実用的な検索ベースの設定は、ほとんど探索されていないままである。
課題は3つある。
一 図書館の規模とともに指数的に成長する組合せ爆発的な検索空間
(ii)異なるターゲットが異なる数の部品を必要とするため、可変長出力
三 部品組立の連続6-DoFポーズ推定
これらの問題に対処するために,検索とアセンブリをセット予測問題として定式化し,部品を検索してポーズを可変長出力で回帰するトランスフォーマーベースの新しいフレームワークを設計する。
さらに,パートポーズ推定と目標セグメンテーションの両立性を,共同学習と新たなセグメンテーション強化最適化モジュールにより活用する。
最後に、80K以上の形状の大規模なデータセットをキュレートし、その結果、Partがシーンレイアウト、画像ターゲット、実世界のスキャンに一般化していることを示す。
プロジェクトページ: https://iambrc.github.io/PART-project-page/。
関連論文リスト
- SCULPT: Subtractive Composition for 3D Part Generation [48.947695076233835]
パートアウェアな3D生成は、完全なオブジェクトとして一貫性のあるデジタルアセットを作成することを目的としています。
本稿では,これらの課題に対処するフレームワークであるSCULPTを提案する。
論文 参考訳（メタデータ） (2026-08-13T17:55:04Z) - Assembler: Scalable 3D Part Assembly via Anchor Point Diffusion [39.08891847512135]
本稿では,3次元部品組み立てのためのスケーラブルで汎用的なフレームワークであるAssemblerを紹介する。
様々な部分数、ジオメトリ、構造を持つ、多種多様な内部オブジェクトを処理します。
PartNetで最先端のパフォーマンスを実現し、複雑な現実世界のオブジェクトに対して、初めて高品質なアセンブリをデモした。
論文 参考訳（メタデータ） (2025-06-20T15:25:20Z) - Efficient Part-level 3D Object Generation via Dual Volume Packing [51.712083185732894]
パートレベルの3Dオブジェクト生成のための新しいエンドツーエンドフレームワークを提案する。
提案手法は,任意の数の完全かつ意味論的に意味のある部分を持つ高品質な3Dオブジェクトを生成する。
論文 参考訳（メタデータ） (2025-06-11T17:55:03Z) - 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) - 3D Part Segmentation via Geometric Aggregation of 2D Visual Features [57.20161517451834]
監督された3D部分分割モデルは、固定されたオブジェクトと部品のセットに合わせて調整されており、それらの転送可能性は、オープンセットの現実世界のシナリオに制限される。
近年、視覚言語モデル(VLM)を多視点レンダリングとテキストプロンプトを用いてオブジェクト部品の識別に活用する研究が進められている。
これらの制約に対処するために,視覚概念から抽出した意味論と3次元幾何学をブレンドし,対象部品を効果的に同定するCOPSを提案する。
論文 参考訳（メタデータ） (2024-12-05T15:27:58Z) - Multi-level Reasoning for Robotic Assembly: From Sequence Inference to
Contact Selection [74.40109927350856]
本稿では,PAST(Part Assembly Sequence Transformer)を用いて,対象とするブループリントからアセンブリシーケンスを推論する。
次に、モーションプランナーと最適化を使用して、部品の動きと接触を生成する。
実験結果から,本手法は従来手法よりも一般化されていることがわかった。
論文 参考訳（メタデータ） (2023-12-17T00:47:13Z) - Score-PA: Score-based 3D Part Assembly [6.25037277839849]
Score-based 3D Part Assembly framework (Score-PA) を導入する。
スコアベースのメソッドは、推論段階では通常時間がかかります。
本稿では,FPC(Fast Predictor-Corrector Sampler)と呼ばれる新しいアルゴリズムを導入し,サンプリングプロセスを高速化する。
論文 参考訳（メタデータ） (2023-09-08T09:10:03Z) - Rearrangement Planning for General Part Assembly [41.0167725449516]
本稿では、パートポーズを正確に予測するトランスフォーマーベースのモデルアーキテクチャであるGPAT(General Part Assembly Transformer)を提案する。
実世界の3次元CADモデルと実世界のスキャンによる実験により,GPATの新規かつ多様なターゲットおよび部品形状への一般化能力が実証された。
論文 参考訳（メタデータ） (2023-07-01T03:13:17Z) - 3D Part Assembly Generation with Instance Encoded Transformer [22.330218525999857]
本稿では,部品間の幾何的および関係的な推論を伴い,部品の更新を反復的に行う多層トランスフォーマーベースのフレームワークを提案する。
フレームワークをプロセス内部分アセンブリと呼ばれる新しいタスクに拡張します。
提案手法は、パブリックなPartNetデータセット上の複数のメトリクスにおいて、現在の最先端よりも10%以上改善されている。
論文 参考訳（メタデータ） (2022-07-05T02:40:57Z) - Generative 3D Part Assembly via Dynamic Graph Learning [34.108515032411695]
部品組み立ては、3Dコンピュータビジョンとロボット工学において難しいが重要な課題だ。
本稿では,反復グラフニューラルネットワークをバックボーンとして活用する,アセンブリ指向の動的グラフ学習フレームワークを提案する。
論文 参考訳（メタデータ） (2020-06-14T04:26:42Z)
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。