StructRe: Rewriting for Structured Shape Modeling

要約

人工の3D形状は、部品と階層で自然に編成されています。
このような構造は、形状の再構築と生成の重要な制約を提供します。
形状構造のモデリングは困難です。なぜなら、特定の形状に複数の階層があり、あいまいさを引き起こす可能性があり、異なるカテゴリで形状構造はセマンティクスと相関して一般化を制限するためです。
構造の形状モデリングへの新しいアプローチとして、構造書き換えシステムであるStructreを提示します。
ポイントとコンポーネントで表される3Dオブジェクトを考えると、Structreはより簡潔な構造に上向きに書き換えたり、より詳細な構造にしたりすることができます。
書き換えプロセスを反復することにより、階層が取得されます。
このようなローカライズされた書き換えプロセスにより、曖昧な構造の確率的モデリングと、オブジェクトカテゴリ全体で堅牢な一般化が可能になります。
パートネットデータでStructreをトレーニングし、その一般化をクロスカテゴリおよび複数のオブジェクト階層に示し、拡張をShapenetにテストします。
また、形状の再構築、生成、編集タスクのための確率的で一般化可能な構造モデリングの利点を示します。

要約(オリジナル)

Man-made 3D shapes are naturally organized in parts and hierarchies; such structures provide important constraints for shape reconstruction and generation. Modeling shape structures is difficult, because there can be multiple hierarchies for a given shape, causing ambiguity, and across different categories the shape structures are correlated with semantics, limiting generalization. We present StructRe, a structure rewriting system, as a novel approach to structured shape modeling. Given a 3D object represented by points and components, StructRe can rewrite it upward into more concise structures, or downward into more detailed structures; by iterating the rewriting process, hierarchies are obtained. Such a localized rewriting process enables probabilistic modeling of ambiguous structures and robust generalization across object categories. We train StructRe on PartNet data and show its generalization to cross-category and multiple object hierarchies, and test its extension to ShapeNet. We also demonstrate the benefits of probabilistic and generalizable structure modeling for shape reconstruction, generation and editing tasks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google