論文の概要: Geometric and Semantic Coupling for Interaction Understanding in 3D Scenes

• arxiv url: http://arxiv.org/abs/2609.25247v1
• Date: Mon, 21 Sep 2026 18:02:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-23 18:04:04.061945
• Title: Geometric and Semantic Coupling for Interaction Understanding in 3D Scenes
• Title（参考訳）: 3次元シーンにおけるインタラクション理解のための幾何学的・意味的結合
• Abstract要約: 3Dシーンにおけるインタラクションの理解には、可動部分、動作、操作可能な領域を共同で記述する必要がある。 部品とハンドルの物理的関係を通してこれらの出力を接続するSegment-Snapを提案する。 Articulate3Dバリデーションでは、ハンドリングガイダンスは、固定マスクと軸でモーションゲートAPを13.74%から40.98%に上昇させる。
• 参考スコア（独自算出の注目度）: 42.87740646281754
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Interaction understanding in 3D scenes requires a joint description of movable parts, their motion, and the regions through which they can be operated. We present Segment-Snap, which connects these outputs through the physical relationship between parts and handles. Learned predictors identify broad part surfaces and small handles. A geometric decoder uses planar and upright priors to constrain motion, then selects hinge lines using predicted handle locations, without training a motion regressor. Conversely, a joint part-and-handle predictor supplies additional handle candidates, whose motion classes are refined using containing parts. Each information transfer is applied once, without iterative feedback. On Articulate3D validation, handle guidance raises motion-gated AP from 13.74% to 40.98% at fixed masks and axes. Additional handle candidates raise handle AP from 24.63% to 29.65%; part-based class correction adds 0.98 points, and full context reaches 30.99%. Repeated training, learned-decoder controls and paired visualizations establish the benefits and limitations of combining geometric and semantic evidence for interaction understanding.
• Abstract（参考訳）: 3Dシーンにおけるインタラクションの理解には、可動部分、動作、操作可能な領域を共同で記述する必要がある。 部品とハンドルの物理的関係を通してこれらの出力を接続するSegment-Snapを提案する。 学習された予測器は、広い部分の表面と小さなハンドルを識別する。 幾何デコーダは、平面的および直立的な先行して動きを制限し、次に予測されたハンドル位置を使ってヒンジ線を選択する。 逆に、ジョイントパート・アンド・ハンドル予測器は、他のハンドル候補を供給し、その動作クラスは、部品を含むことで洗練される。 各情報転送は、反復的なフィードバックなしで一度だけ適用される。 Articulate3Dバリデーションでは、ハンドリングガイダンスは、固定マスクと軸でモーションゲートAPを13.74%から40.98%に上昇させる。 追加のハンドル候補がハンドルAPを24.63%から29.65%に引き上げ、パートベースのクラス修正では0.98ポイント、フルコンテキストは30.99%に増加した。 繰り返しトレーニング、学習デコーダコントロール、ペア化された視覚化は、相互作用理解のための幾何学的証拠と意味的証拠を組み合わせる利点と限界を確立する。

関連論文リスト

• Gated Residual Body-Hand Coordination for Whole-Body Humanoid Teleoperation [33.39511546352422]
  全身のヒューマノイド遠隔操作は、通常、モーショントラッキングポリシーと別個のデキスタラスハンド再ターゲッターを組み合わせる。 両モジュールの凍結を保ち、その出力に有界補正を適用するゲート残差調整フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-09-16T14:50:12Z)
• ComPose: When to Trust Hands for Object Pose Tracking [44.085148707189035]
  ComPoseは、6DoFオブジェクトトラッキングフレームワークで、RGBビデオから手動でオブジェクトのポーズを推定するように設計されている。 本手法は,物体追跡のためのテキスト補完キューとして手の動きを調和させる。 結果は、ロボットがオンラインビデオから人間の行動を再構築できるようにすることで、下流ロボット操作に効果的に移行することができる。
  論文  参考訳（メタデータ） (2026-05-22T11:39:49Z)
• REACT3D: Recovering Articulations for Interactive Physical 3D Scenes [96.27769519526426]
  REACT3Dは静的な3Dシーンを一貫した幾何学を持つシミュレーション可能なインタラクティブなレプリカに変換するフレームワークである。 室内の様々な場面における検出・分離・調音計測における最先端性能について検討した。
  論文  参考訳（メタデータ） (2025-10-13T12:37:59Z)
• PARIS: Part-level Reconstruction and Motion Analysis for Articulated Objects [17.191728053966873]
  本研究は,調音対象に対する同時部分レベル再構成と動きパラメータ推定の課題に対処する。 パートレベルの暗黙的形状と外観モデルを学ぶ自己教師型エンドツーエンドアーキテクチャPARISを提案する。 提案手法は,オブジェクトカテゴリ全体にわたって最適化され,入力として3次元点雲が与えられるベースラインや先行作業よりも優れる。
  論文  参考訳（メタデータ） (2023-08-14T18:18:00Z)
• Reconstructing Three-Dimensional Models of Interacting Humans [38.26269716290761]
  CHI3Dは、正確な3Dモーションキャプチャーデータセットで、631のシーケンスに2525ドルの接触イベントを含む。 FlickrCI3Dは、11,216ドルの画像のデータセットで、14,081ドルの処理と81,233ドルの顔レベルの対応がある。
  論文  参考訳（メタデータ） (2023-08-03T16:20:33Z)
• Semi-Weakly Supervised Object Kinematic Motion Prediction [56.282759127180306]
  3Dオブジェクトが与えられた場合、運動予測は移動部と対応する運動パラメータを識別することを目的としている。 階層的部分分割と移動部パラメータのマップを学習するグラフニューラルネットワークを提案する。 ネットワーク予測は、擬似ラベル付き移動情報を持つ大規模な3Dオブジェクトを生成する。
  論文  参考訳（メタデータ） (2023-03-31T02:37:36Z)
• S$^2$Contact: Graph-based Network for 3D Hand-Object Contact Estimation with Semi-Supervised Learning [70.72037296392642]
  モノクロ画像から接触を学習できる新しい半教師付きフレームワークを提案する。 具体的には、大規模データセットにおける視覚的および幾何学的整合性制約を利用して擬似ラベルを生成する。 より正確な再構築を行うために手動インタラクションを規定するコンタクトマップを使用することの利点を示す。
  論文  参考訳（メタデータ） (2022-08-01T14:05:23Z)

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。