要約
断片化されたオブジェクトの大規模なデータセットである Breaking Bad を紹介します。
当社のデータセットは、1 万の基本モデルからシミュレートされた 100 万を超える破砕されたオブジェクトで構成されています。
破壊シミュレーションは、オブジェクトのさまざまな破壊モードを効率的に生成する最新の物理ベースのアルゴリズムによって強化されています。
既存の形状アセンブリ データセットは、意味的に意味のある部分に従ってオブジェクトを分解し、構築プロセスを効果的にモデル化します。
対照的に、Breaking Bad は、幾何学的オブジェクトが自然に破片に分解される破壊プロセスをモデル化しています。
私たちのデータセットは、破砕されたオブジェクトの再構築の研究を可能にし、幾何学的形状の理解に新たな課題を提示するベンチマークとして機能します。
いくつかのジオメトリ測定値を使用してデータセットを分析し、さまざまな設定で 3 つの最先端の形状アセンブリ ディープ ラーニング手法のベンチマークを行います。
広範な実験結果は、私たちのデータセットの難しさを示しており、幾何学的形状の組み立てタスクに特化したモデル設計の将来の研究が必要です。
https://breaking-bad-dataset.github.io/ でデータセットをホストしています。
要約(オリジナル)
We introduce Breaking Bad, a large-scale dataset of fractured objects. Our dataset consists of over one million fractured objects simulated from ten thousand base models. The fracture simulation is powered by a recent physically based algorithm that efficiently generates a variety of fracture modes of an object. Existing shape assembly datasets decompose objects according to semantically meaningful parts, effectively modeling the construction process. In contrast, Breaking Bad models the destruction process of how a geometric object naturally breaks into fragments. Our dataset serves as a benchmark that enables the study of fractured object reassembly and presents new challenges for geometric shape understanding. We analyze our dataset with several geometry measurements and benchmark three state-of-the-art shape assembly deep learning methods under various settings. Extensive experimental results demonstrate the difficulty of our dataset, calling on future research in model designs specifically for the geometric shape assembly task. We host our dataset at https://breaking-bad-dataset.github.io/.
arxiv情報
| 著者 | Silvia Sellán,Yun-Chun Chen,Ziyi Wu,Animesh Garg,Alec Jacobson |
| 発行日 | 2022-10-20 17:57:19+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google