論文の概要: BrickFlow: Connectivity-Guided Brick Reconstruction
- arxiv url: http://arxiv.org/abs/2611.17321v1
- Date: Thu, 12 Nov 2026 18:58:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.600995
- Title: BrickFlow: Connectivity-Guided Brick Reconstruction
- Title(参考訳): BrickFlow: コネクティビティガイドによるBrick再構築
- Abstract要約: LEGOパーツのセットと、組み立てたオブジェクトのイメージが与えられた場合、私たちのタスクは、各パーツのポーズを推測してオブジェクトを組み立てることです。
部品の適合性について先行学習するために, 手続き的に生成されたアセンブリ上で, 設定条件付きSE(3)フローモデルを訓練する。
テスト時に接続アセンブリに対して予測を行うための解析的接続フィールドガイダンスを導入する。
- 参考スコア(独自算出の注目度): 54.88688542316808
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Given a set of LEGO parts and an image of an assembled object, our task is to infer the pose of each part to assemble the object. In contrast with traditional 3D reconstruction, doing so requires satisfying discrete physical constraints, which provide structure but render the problem combinatorial and highly sensitive to small pose errors. To learn a prior over how parts fit together, we train a set-conditioned SE(3) flow model on procedurally generated assemblies. We then finetune this model to inject image conditioning, using 1% as much data. However, while the learned flow captures global structure, it does not enforce connectivity. To address this, we introduce an analytic connectivity-field guidance to pull predictions toward connected assemblies at test time. Through this, we demonstrate improved build quality with model size, pretraining, and guidance. We make our models and data available for research purposes at https://kulits.github.io/BrickFlow/
- Abstract(参考訳): LEGOパーツのセットと、組み立てたオブジェクトのイメージが与えられた場合、私たちのタスクは、各パーツのポーズを推測してオブジェクトを組み立てることです。
従来の3D再構成とは対照的に、個々の物理的制約を満たすことが必要であり、構造を提供するが、問題を組み合わせ、小さなポーズエラーに非常に敏感に処理する。
部品の適合性について先行学習するために, 手続き的に生成されたアセンブリ上で, 設定条件付きSE(3)フローモデルを訓練する。
そして、1%のデータを使って、このモデルを微調整してイメージコンディショニングを注入する。
しかし、学習したフローはグローバルな構造をキャプチャするが、接続性は強制しない。
そこで本研究では,テスト時に接続アセンブリに対して予測を行うための解析的接続フィールドガイダンスを提案する。
これにより、モデルのサイズ、事前訓練、ガイダンスにより、ビルド品質が改善された。
私たちのモデルとデータは、https://kulits.github.io/BrickFlow/で研究目的で公開しています。
関連論文リスト
- Instruct-Particulate: Scaling Feed-Forward 3D Object Articulation with Kinematic Control [86.64250947574749]
合成された3Dオブジェクトの再構成は、アニメーション、ゲーム、ロボットシミュレーションにおいて重要である。
最近のニューラルネットワークは、3Dオブジェクトの明瞭な構造を推定できるが、その一般化は注釈付きデータの不足によって制限されている。
Instruct-Particulateは、3Dメッシュとターゲットキネマティック仕様を併用するモデルである。
論文 参考訳(メタデータ) (2026-06-12T17:59:36Z) - BrickNet: Graph-Backed Generative Brick Assembly [54.88688542316808]
LEGO-brickビルドシーケンスを生成するために、言語モデルをトレーニングします。
10万人以上の人間が設計したLDrawブロックのオブジェクトとシーンの大規模なデータセットを収集します。
ブロックのポーズを直接予測すると、少数のステップの後にビルドシーケンスはすぐに無効になる。
論文 参考訳(メタデータ) (2026-04-24T19:55:51Z) - Learning to Build by Building Your Own Instructions [56.734927320020496]
LTRONにおける最近提案されたBreak-and-Make問題に対する新しい手法を開発した。
エージェントは、単一の対話的なセッションを使用して、これまで見えなかったLEGOアセンブリを構築することを学ばなければなりません。
オンラインの模倣学習を使ってこれらのモデルをトレーニングし、モデルが自身のミスから学習できるようにする。
論文 参考訳(メタデータ) (2024-10-01T22:39:58Z) - TreeSBA: Tree-Transformer for Self-Supervised Sequential Brick Assembly [51.29305265324916]
入力された多視点画像から連続的な組立動作を予測するために,クラスに依存しないツリー・トランスフォーマフレームワークを提案する。
逐次レンガ組立作業の大きな課題は、ステップワイドアクションラベルが実際に入手するのに費用がかかり、面倒であることである。
我々は、合成から現実への移行学習を活用することにより、この問題を緩和する。
論文 参考訳(メタデータ) (2024-07-22T14:05:27Z) - Break and Make: Interactive Structural Understanding Using LEGO Bricks [61.01136603613139]
私たちは、LEGOモデルの組み立て、分解、操作が可能な、完全にインタラクティブな3Dシミュレータを構築しました。
シーケンス・ツー・シーケンス・モデルを用いてこの問題を解決するための第一歩を踏み出す。
論文 参考訳(メタデータ) (2022-07-27T18:33:09Z) - Neural Shape Mating: Self-Supervised Object Assembly with Adversarial
Shape Priors [45.187868277839314]
本稿では,新しい3次元幾何形状マッチング手法を提案し,その課題に対処するためにニューラル形状マッチング(NSM)を提案する。
未知のカテゴリの2つの対象部分の点雲を考えると、NSMは2つの部分の適合性を推論し、それらを密に結合する2つの3Dポーズを予測する。
本稿では,物体メッシュをランダムに2つの部分に切断することで,地平とペア形状のマッチングデータを生成する自己教師型データ収集パイプラインを提案する。
論文 参考訳(メタデータ) (2022-05-30T06:58:01Z) - LegoFormer: Transformers for Block-by-Block Multi-view 3D Reconstruction [45.16128577837725]
現代のディープラーニングベースの多視点3D再構成技術のほとんどは、RNNまたは融合モジュールを使用して、エンコード後の複数の画像からの情報を組み合わせている。
我々は, 1 つのフレームワークでオブジェクト再構成を統一し, その分解因子によって再構成された占有グリッドをパラメータ化する, トランスフォーマーベースのモデルである LegoFormer を提案する。
論文 参考訳(メタデータ) (2021-06-23T00:15:08Z)
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。