Unsupervised 3D Shape Reconstruction by Part Retrieval and Assembly

要約

3次元形状をプリミティブで表現することは、構造の知覚を助け、ロボットによる物体操作を改善し、3次元形状の編集、様式化、圧縮を可能にする。既存の方法は、単純なパラメトリックプリミティブを使用するか、パーツの生成的な形状空間を学習します。どちらも限界があり、パラメトリックプリミティブは粗い近似になり、学習されたパーツは分解をあまりコントロールできない。我々は、ユーザーが提供する3Dパーツのライブラリを用いて形状を分解することを提案し、パーツの選択を完全に制御できるようにする。ライブラリには、与えられたカテゴリーに適した高品質のジオメトリを持つパーツが含まれており、きれいなジオメトリを持つ意味のある分解を行うことができる。分解の種類は、ライブラリ内のパーツの選択によって制御することも可能です。本手法は、ライブラリから部品を繰り返し取得し、その配置を改良する自己教師アプローチで動作する。このアプローチにより、既存のアプローチよりも高い再構成精度とより望ましい分解が得られることを示す。さらに、同じ形状を再構成するために異なる部品ライブラリを使用することにより、部品ライブラリを通して分解を制御できることを示す。

要約(オリジナル)

Representing a 3D shape with a set of primitives can aid perception of structure, improve robotic object manipulation, and enable editing, stylization, and compression of 3D shapes. Existing methods either use simple parametric primitives or learn a generative shape space of parts. Both have limitations: parametric primitives lead to coarse approximations, while learned parts offer too little control over the decomposition. We instead propose to decompose shapes using a library of 3D parts provided by the user, giving full control over the choice of parts. The library can contain parts with high-quality geometry that are suitable for a given category, resulting in meaningful decompositions with clean geometry. The type of decomposition can also be controlled through the choice of parts in the library. Our method works via a self-supervised approach that iteratively retrieves parts from the library and refines their placements. We show that this approach gives higher reconstruction accuracy and more desirable decompositions than existing approaches. Additionally, we show how the decomposition can be controlled through the part library by using different part libraries to reconstruct the same shapes.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL