ArtFormer: Controllable Generation of Diverse 3D Articulated Objects

要約

本稿では、3D多関節オブジェクトのモデリングと条件生成のための新しいフレームワークを紹介する。柔軟性と品質のトレードオフに悩まされる既存の手法は、多くの場合、事前に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る。このような課題を解決するために、我々は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、変換器を用いてオブジェクトの高レベルジオメトリコードと運動学的関係の両方を生成する。その後、各サブパーツの形状は、符号付き距離関数（SDF）形状事前分布を使用してさらにデコードされ、高品質の3D形状の合成を容易にする。我々のアプローチにより、高品質な形状と様々な部品数を持つ多様なオブジェクトの生成が可能となる。テキスト記述からの条件生成に関する包括的な実験により、本手法の有効性と柔軟性が実証された。

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, DeepL