S2O: Static to Openable Enhancement for Articulated 3D Objects

要約

大規模な 3D データセットは大幅に進歩しているにもかかわらず、インタラクティブな 3D オブジェクト データセットは現在ほとんどなく、構築に手作業が必要なため規模が限られています。
開閉可能な部品の検出、動作予測、内部ジオメトリの完成を通じて、静的な対応物からインタラクティブな多関節 3D オブジェクトを作成する、静的から開閉可能 (S2O) タスクを紹介します。
私たちは、このタスクに取り組むための統一フレームワークを策定し、体系的な評価のためのテストベッドとして機能する、開閉可能な 3D オブジェクトの挑戦的なデータセットを厳選します。
私たちの実験は、以前の研究からの手法と、S2O タスクのシンプルかつ効果的なヒューリスティックのベンチマークです。
私たちは、静的な 3D オブジェクトをインタラクティブに開くことができる対応物に変えることは可能ですが、どの方法もタスクの現実的な設定に一般化するのが難しいことを発見し、将来の有望な作業の方向性を強調します。

要約(オリジナル)

Despite much progress in large 3D datasets there are currently few interactive 3D object datasets, and their scale is limited due to the manual effort required in their construction. We introduce the static to openable (S2O) task which creates interactive articulated 3D objects from static counterparts through openable part detection, motion prediction, and interior geometry completion. We formulate a unified framework to tackle this task, and curate a challenging dataset of openable 3D objects that serves as a test bed for systematic evaluation. Our experiments benchmark methods from prior work and simple yet effective heuristics for the S2O task. We find that turning static 3D objects into interactively openable counterparts is possible but that all methods struggle to generalize to realistic settings of the task, and we highlight promising future work directions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google