Fantastic Breaks: A Dataset of Paired 3D Scans of Real-World Broken Objects and Their Complete Counterparts

要約

現在、自動化された形状修復アプローチでは、実際の損傷ジオメトリを記述するデータセットにアクセスできません。
Fantastic Breaks (およびそれらを見つける場所: https://terascale-all-sensing-research-studio.github.io/FantasticBreaks) を提示します。これは、78 個の壊れたオブジェクトのスキャン、防水、およびクリーニングされた 3D メッシュを含むデータセットであり、ペアになっており、
完全な対応物と幾何学的に整列します。
Fantastic Breaks には、クラスとマテリアルのラベル、壊れたメッシュに結合して完全なメッシュを生成する修復パーツの合成プロキシ、および手動で注釈を付けた破壊境界が含まれています。
フラクチャ ジオメトリの詳細な分析を通じて、Fantastic Breaks と、ジオメトリおよび物理ベースの方法を使用して生成された合成的にフラクチャされたオブジェクトのデータセットとの違いを明らかにします。
合成データセットを使用して事前トレーニングされ、Fantastic Breaks のサブセットを使用して再トレーニングされた複数の学習ベースのアプローチを使用して、Fantastic Breaks による形状修復の実験結果を示します。

要約(オリジナル)

Automated shape repair approaches currently lack access to datasets that describe real-world damage geometry. We present Fantastic Breaks (and Where to Find Them: https://terascale-all-sensing-research-studio.github.io/FantasticBreaks), a dataset containing scanned, waterproofed, and cleaned 3D meshes for 78 broken objects, paired and geometrically aligned with complete counterparts. Fantastic Breaks contains class and material labels, synthetic proxies of repair parts that join to broken meshes to generate complete meshes, and manually annotated fracture boundaries. Through a detailed analysis of fracture geometry, we reveal differences between Fantastic Breaks and datasets of synthetically fractured objects generated using geometric and physics-based methods. We show experimental results of shape repair with Fantastic Breaks using multiple learning-based approaches pre-trained using a synthetic dataset and re-trained using a subset of Fantastic Breaks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google