Registered and Segmented Deformable Object Reconstruction from a Single View Point Cloud

要約

変形可能なオブジェクトの操作では、オブジェクトの非変形モデルでのみ定義されているオブジェクトの特定のセグメントを操作したいことがよくあります。
したがって、変形した現実世界の物体のセンサー データ内でこれらのセグメントを認識し、位置を特定できるシステムが必要です。
これは通常、変形可能なオブジェクトの登録を使用して行われますが、これは問題固有であり、調整が複雑です。
最近の方法では、神経占有関数を利用して、オブジェクトの再構築に登録することにより、変形可能なオブジェクトの登録を改善しています。
さらに一歩進んで、再構成に加えて、再構成されたオブジェクトのセグメンテーションを学習するシステムを提案します。
結果の出力にはセグメントに関する情報がすでに含まれているため、登録プロセスをスキップできます。
シミュレーションと現実世界のさまざまな変形可能なオブジェクトでテストしたところ、私たちの方法がこれらのセグメントを確実に見つけることを学習することが実証されました。
また、占有学習のためのより良いトレーニング データを生成するためのシンプルなサンプリング アルゴリズムも導入します。

要約(オリジナル)

In deformable object manipulation, we often want to interact with specific segments of an object that are only defined in non-deformed models of the object. We thus require a system that can recognize and locate these segments in sensor data of deformed real world objects. This is normally done using deformable object registration, which is problem specific and complex to tune. Recent methods utilize neural occupancy functions to improve deformable object registration by registering to an object reconstruction. Going one step further, we propose a system that in addition to reconstruction learns segmentation of the reconstructed object. As the resulting output already contains the information about the segments, we can skip the registration process. Tested on a variety of deformable objects in simulation and the real world, we demonstrate that our method learns to robustly find these segments. We also introduce a simple sampling algorithm to generate better training data for occupancy learning.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google