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

• arxiv url: http://arxiv.org/abs/2609.25247v2
• Date: Sun, 27 Sep 2026 10:44:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-29 21:31:51.601694
• 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: 本稿では,パートハンド結合による幾何学的および意味的証拠を組み合わせたSEGMENT-SNAPを提案する。 独立に訓練された3つの予測器は、可動部、高密度ハンドル、および部分関連ハンドル提案を復元する。 私たちのシステムはArticulate3D Challengeでも1位を獲得しました。
• 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: Understanding interaction in a 3D scene requires recovering movable parts, their motion, and where they can be operated. These quantities are related, and their predictions can inform one another. A closed cabinet door, for instance, reveals a movable surface but may leave the hinge side ambiguous; its handle helps resolve this ambiguity, while the part provides context for localizing and interpreting the small handle. Building on this observation, we present SEGMENT-SNAP, which combines geometric and semantic evidence through part-handle coupling. Three independently trained predictors recover movable parts, dense handles, and part-associated handle proposals. We couple their outputs in two directions. For part motion, a training-free geometric decoder fits predicted part surfaces under explicit physical priors and uses detected handles to select candidate hinge lines. For handle prediction, a part-conditioned branch proposes additional handles, while standalone part classes refine their rotation/translation labels, with dense-handle labels as a fallback. Each transfer is applied once, without iterative feedback. On the Articulate3D validation set, handle guidance raises motion-gated AP from 13.74 to 40.98 under fixed masks and axes. Additional handle proposals raise handle AP from 24.63 to 29.65, and full contextual class correction raises it to 30.99 in the reference configuration. Fixed-input controls, retraining ablations, learned-decoder comparisons, and paired visualizations together characterize the benefits and limits of this coupling. Our system also achieved first place in the Articulate3D Challenge.
• Abstract（参考訳）: 3Dシーンでのインタラクションを理解するには、可動部品の回復、動作、操作可能な場所が必要である。 これらの量は関連しており、それらの予測はお互いに知らせることができる。 例えば、閉じたキャビネットドアは可動面を露呈するが、ヒンジ側を曖昧に残すことがある;そのハンドルはこの曖昧さを解決するのに役立ち、その部分は小さなハンドルをローカライズし解釈するためのコンテキストを提供する。 本報告では, 部分結合による幾何学的, 意味的証拠を組み合わせたSEGMENT-SNAPを提案する。 独立に訓練された3つの予測器は、可動部、高密度ハンドル、および部分関連ハンドル提案を復元する。 出力を2方向に分けます。 パートモーションでは、トレーニング不要な幾何デコーダが予測された部分表面を明示的な物理的事前条件で適合させ、検出されたハンドルを使用してヒンジ線を選択する。 ハンドリング予測のために、部分条件付きブランチは追加のハンドルを提案し、スタンドアローンの部分クラスはローテーション/トランスレーションラベルを洗練し、高密度ハンドルラベルをフォールバックとする。 各転送は、反復的なフィードバックなしで一度適用されます。 Articulate3Dバリデーションセットでは、ハンドル誘導は固定マスクと軸の下で13.74から40.98までの動作ゲートAPを上昇させる。 追加のハンドル提案はハンドルAPを24.63から29.65に引き上げ、完全なコンテキストのクラス修正は参照設定で30.99に引き上げる。 固定インプット制御、再学習の短縮、学習とデコーダの比較、ペア化された視覚化は、この結合の利点と限界を特徴付ける。 私たちのシステムはArticulate3D Challengeでも1位を獲得しました。

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。