ArtFormer: Controllable Generation of Diverse 3D Articulated Objects

要約

この論文では、3D 多関節オブジェクトのモデリングと条件付き生成のための新しいフレームワークを紹介します。
柔軟性と品質のトレードオフの問題により、既存の方法は、多くの場合、事前定義された構造を使用するか、静的データセットから形状を取得することに限定されます。
これらの課題に対処するために、多関節オブジェクトをトークンのツリーとしてパラメータ化し、トランスフォーマーを使用してオブジェクトの高レベルのジオメトリ コードとその運動学的関係の両方を生成します。
その後、各サブパーツのジオメトリは、事前に符号付き距離関数 (SDF) 形状を使用してさらにデコードされ、高品質の 3D 形状の合成が容易になります。
私たちのアプローチにより、高品質のジオメトリとさまざまな数のパーツを備えた多様なオブジェクトの生成が可能になります。
テキスト記述からの条件付き生成に関する包括的な実験により、私たちの方法の有効性と柔軟性が実証されました。

要約(オリジナル)

This paper presents a novel framework for modeling and conditional generation of 3D articulated objects. Troubled by flexibility-quality tradeoffs, existing methods are often limited to using predefined structures or retrieving shapes from static datasets. To address these challenges, we parameterize an articulated object as a tree of tokens and employ a transformer to generate both the object’s high-level geometry code and its kinematic relations. Subsequently, each sub-part’s geometry is further decoded using a signed-distance-function (SDF) shape prior, facilitating the synthesis of high-quality 3D shapes. Our approach enables the generation of diverse objects with high-quality geometry and varying number of parts. Comprehensive experiments on conditional generation from text descriptions demonstrate the effectiveness and flexibility of our method.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google