Neural Implicit Representation for Building Digital Twins of Unknown Articulated Objects

要約

私たちは、異なる関節状態でのオブジェクトの 2 つの RGBD スキャンから未知の関節オブジェクトのデジタル ツインを構築する問題に取り組みます。
私たちは問題を 2 つの段階に分解し、それぞれが異なる側面に対処します。
私たちの方法では、まず各状態でオブジェクトレベルの形状を再構築し、次に 2 つの状態を関連付けるパーツのセグメンテーションと関節関節を含む基礎となる関節モデルを復元します。
ポイントレベルの対応を明示的にモデル化し、画像、3D 再構築、および運動学からの手がかりを利用することにより、私たちの方法は以前の研究と比較してより正確で安定した結果をもたらします。
また、複数の可動部分を処理し、事前のオブジェクトの形状や構造に依存しません。
プロジェクトページ: https://github.com/NVlabs/DigitalTwinArt

要約(オリジナル)

We address the problem of building digital twins of unknown articulated objects from two RGBD scans of the object at different articulation states. We decompose the problem into two stages, each addressing distinct aspects. Our method first reconstructs object-level shape at each state, then recovers the underlying articulation model including part segmentation and joint articulations that associate the two states. By explicitly modeling point-level correspondences and exploiting cues from images, 3D reconstructions, and kinematics, our method yields more accurate and stable results compared to prior work. It also handles more than one movable part and does not rely on any object shape or structure priors. Project page: https://github.com/NVlabs/DigitalTwinArt

arxiv情報

提供元, 利用サービス

arxiv.jp, Google