表达您的 NeRF：基于条件视图合成的无监督关节 articulation 物体建模
计算机视觉与模式识别
2024-06-25 v1
摘要
我们提出了一种新颖的无监督方法，用于学习具有刚性部件的物体姿态和部分分割。给定两个在不同关节状态下的物体观察，我们的方法通过对第一个观察使用隐式模型学习物体部件的几何和外观，同时通过渲染第二个观察来提炼部分分割和关节信息。此外，为解决部分分割与关节联合优化中的复杂性，我们提出了基于体素网格的初始化策略和解耦优化程序。与以往的无监督工作相比，我们的方法性能显著提升，能够有效推广至具有多个部件的物体，并且可以针对后续观察从少量视角中高效恢复。
引用
@article{arxiv.2406.16623,
title = {Articulate your NeRF: Unsupervised articulated object modeling via conditional view synthesis},
author = {Jianning Deng and Kartic Subr and Hakan Bilen},
journal= {arXiv preprint arXiv:2406.16623},
year = {2024}
}
备注
9 pages for the maincontent, excluding references and supplementaries