Assembler：基于锚点扩散的可扩展 3D 零件装配框架
计算机视觉与模式识别
2025-06-23 v1
摘要
我们提出了 Assembler，一个可扩展且可泛化的 3D 零件装配框架，从输入零件网格和参考图像重建完整物体。不同于以确定性零件姿态预测和类别特定训练为主的先前方法，Assembler 旨在处理具有各种零件数量、几何形状和结构的野生物。它通过在任务表述、表示和数据方面的创新，解决了扩展到通用 3D 零件装配的核心挑战。首先，Assembler 将零件装配建模为生成问题，并采用扩散模型对合理配置进行采样，有效捕捉由对称性、重复零件及多种有效装配引起的歧义。其次，我们引入一种基于稀疏锚点点云的新型形状中心表示，使其在欧几里得空间而非 SE(3) 姿态预测中实现可扩展生成。最后，我们构建了一个由超过 32 万个多样化零件-物体装配组成的大型数据集，该数据集基于现有 3D 形状存储库构建的合成与过滤管道而成。Assembler 在 PartNet 上实现了最先进的性能，是首个展示针对复杂真实物体高质量装配的框架。基于 Assembler，我们进一步引入了一个有趣的零件感知 3D 建模系统，从图像生成高分辨率、可编辑的物体，展示了用于交互式和组件设计的潜力。项目页面：https://assembler3d.github.io
引用
@article{arxiv.2506.17074,
title = {Assembler: Scalable 3D Part Assembly via Anchor Point Diffusion},
author = {Wang Zhao and Yan-Pei Cao and Jiale Xu and Yuejiang Dong and Ying Shan},
journal= {arXiv preprint arXiv:2506.17074},
year = {2025}
}
备注
Technical Report. Project page: https://assembler3d.github.io