論文の概要: Track2Art: Articulated Object Model Recovery with Visual-Geometric Track Representations

• arxiv url: http://arxiv.org/abs/2609.27675v2
• Date: Thu, 24 Sep 2026 19:21:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 18:27:51.042078
• Title: Track2Art: Articulated Object Model Recovery with Visual-Geometric Track Representations
• Title（参考訳）: Track2Art:ビジュアル幾何学的トラック表現を用いたArticulated Object Modelリカバリ
• Abstract要約: RGB-Dインタラクションビデオから構造化されたオブジェクトを復元する動き中心のフレームワークであるTrack2Artを提案する。 Track2Artは、追跡されたイメージポイントを永続的な3Dトラジェクトリに持ち上げ、事前訓練されたトラッキング機能、ビジュアルディスクリプタ、明示的なトラジェクトリ幾何を組み合わせる。 20オブジェクトのPartNet-Mobilityスイートでは、Track2Artは0.695 Point IoUと0.410 end-to-end J@20を達成する。
• 参考スコア（独自算出の注目度）: 28.717900908902678
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Understanding articulated objects is fundamental for robotic interaction, requiring accurate rigid-part discovery and the recovery of their kinematic relations. Existing approaches often treat articulation as a by-product of reconstructed geometry or recover it through per-instance optimization. We instead build on the hypothesis that articulation is directly observable from persistent motion: points on the same rigid part move coherently, while relative motion between parts reveals their kinematic constraints. We present Track2Art, a motion-centric framework for recovering structured articulated objects from RGB-D interaction videos. Track2Art lifts tracked image points into persistent 3D trajectories and combines pretrained tracking features, visual descriptors, and explicit trajectory geometry. These representations are grouped into a variable number of rigid-part hypotheses and subsequently used to recover directed kinematic relations, joint types, and joint geometry through rotation-equivariant learned--analytic reasoning. On the aligned 20-object PartNet-Mobility suite, Track2Art achieves 0.695 Point IoU and 0.410 end-to-end J@20, while requiring neither ground-truth part counts nor test-time optimization.
• Abstract（参考訳）: 関節のある物体を理解することはロボットの相互作用に基本的であり、正確な剛性部分の発見と運動の関係の回復が必要である。 既存のアプローチはしばしば、再構成された幾何学の副産物として調音を扱うか、インスタンスごとの最適化を通じてそれを回復する。 代わりに、音節は永続的な動きから直接観測可能であるという仮説に基づいて構築する:同じ剛部上の点がコヒーレントに動くのに対して、部分間の相対的な動きは運動の制約を明らかにする。 RGB-Dインタラクションビデオから構造化されたオブジェクトを復元する動き中心のフレームワークであるTrack2Artを提案する。 Track2Artは、追跡されたイメージポイントを永続的な3Dトラジェクトリに持ち上げ、事前訓練されたトラッキング機能、ビジュアルディスクリプタ、明示的なトラジェクトリ幾何を組み合わせる。 これらの表現は、厳密部分仮説の変数数にグループ化され、その後、回転同変学習-解析的推論を通じて、直交運動学関係、関節型、関節幾何学を復元するために使用される。 20オブジェクトのPartNet-Mobilityスイートでは、Track2Artは0.695 Point IoUと0.410 end-to-end J@20を達成する。

関連論文リスト

• FunArt: Decoding Functional Structure and Articulation from Generative 3D Latents [1.65332879513347]
  本稿では,FunArtについて述べる。FunArtは,機能的な3Dシーングラフを構築するフレームワークである。 FunArtはオブジェクトのインスタンスを再構成し、融合した幾何を直接TRELLIS.2のO-Voxel表現に変換する。 軽量なクエリベースのデコーダは、コンパクトなオブジェクトレベルのラテントと密集した表面整列機能を組み合わせて、可動部分と機能的インタラクティブ要素を結合的に分割する。
  論文  参考訳（メタデータ） (2026-09-17T16:48:05Z)
• Articulated Object Reconstruction from Rest-State Observation [33.09154459685742]
  インタラクティブなデジタル双生児を作るには、3D幾何学と、物体の関節の仕方を管理する運動構造の両方を復元する必要がある。 一つの閉じた構成から明瞭な物体を再構成する静止状態定式化を導入する。
  論文  参考訳（メタデータ） (2026-07-30T06:42:03Z)
• UnfoldArt: Zero-Shot Recovery of Full Articulated 3D Objects from Text or Image [58.40343808003224]
  本稿では,テキストや画像からの3Dオブジェクトの再構成について,議論を巻き起こしたアプローチを提案する。 高レベルのエージェントは、視覚言語やビデオモデルからの知識を用いて、オブジェクトの意味論と動きを推論する。 低レベルエージェントは調音パラメータと相互作用点を推定する。 同じビデオは、合意された調律に条件付けされ、各部分をその動きを通して駆動し、隠された内部と幾何学を露呈する。
  論文  参考訳（メタデータ） (2026-06-29T17:44:53Z)
• Artic-O: End-to-End Articulated Object Reconstruction via Latent Geometry Learning [105.35529379360186]
  Artic-Oは、音声によるオブジェクト再構成のためのエンドツーエンドのフィードフォワードフレームワークである。 スパース多状態観測を事前訓練された潜在幾何学空間にマッピングする。 凍結したフローマッチングデコーダは、可視構造と隠蔽構造の回復に先立って完全な形状を提供する。
  論文  参考訳（メタデータ） (2026-06-20T08:15:30Z)
• Imagine2Real: Towards Zero-shot Humanoid-Object Interaction via Video Generative Priors [51.096845970243855]
  高忠実度3Dデータの不足により,全体Humanoid-Object Interaction (HOI) がボトルネックとなる。 本研究では,ゼロショットHOIフレームワークであるImagine2Realを提案する。
  論文  参考訳（メタデータ） (2026-05-21T10:15:39Z)
• Articulated 3D Scene Graphs for Open-World Mobile Manipulation [55.97942733699124]
  本報告では, セマンティックな3次元シーングラフを構築するためのフレームワークであるMoMa-SGについて述べる。 新たな統合的ツイスト推定法を用いて調音モデルを推定する。 また,Arti4D-Semanticデータセットについても紹介する。
  論文  参考訳（メタデータ） (2026-02-18T10:40:35Z)
• GaussianArt: Unified Modeling of Geometry and Motion for Articulated Objects [4.717906057951389]
  本稿では,3次元ガウスモデルを用いて幾何学と運動を共同でモデル化する統一表現を提案する。 この定式化により、運動分解の堅牢性が向上し、最大で20個の部分を持つ明瞭な物体をサポートする。 提案手法は, 広範囲な物体の形状復元と動き推定において, 常に優れた精度を達成できることを示す。
  論文  参考訳（メタデータ） (2025-08-20T17:59:08Z)
• Part$^{2}$GS: Part-aware Modeling of Articulated Objects using 3D Gaussian Splatting [9.432567695900184]
  Part$2$GSは、高忠実度幾何を持つ多部オブジェクトの調音されたデジタルツインをモデル化するための新しいフレームワークである。 物理的に一貫した運動を保証するために,物理に基づく制約によって導かれる運動認識の標準表現を提案する。 Part$2$GSは、可動部品に対するChamfer Distanceにおいて、最先端のメソッドを最大10$times$で一貫して上回ることを示す。
  論文  参考訳（メタデータ） (2025-06-20T17:59:12Z)
• 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)

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。