类别无关的神经物体绑定

Guangzhao He; Chen Geng; Shangzhe Wu; Jiajun Wu

类别无关的神经物体绑定

计算机视觉与模式识别 2025-05-27 v1

作者: Guangzhao He , Chen Geng , Shangzhe Wu , Jiajun Wu

摘要

可变形 4D 物体的运动位于低维流形中。为了更好地捕捉这种低维性并实现更好的可控性，传统方法设计了几种基于启发式的方法，即绑定，以直观地操纵动态物体。然而，由于需要特定类别的专家知识，此类表示缺乏可扩展性。相反，我们研究以纯数据驱动的方式自动探索此类低维结构。具体而言，我们设计了一种新颖的表示方法，将可变形 4D 物体编码为一组稀疏的空间锚定团块和一个实例感知特征体，以解开 3D 形状的姿态与实例信息。借助这种表示，我们可以通过修改团块的参数来直观地操纵 3D 物体的姿态，同时保留丰富的实例特定信息。我们在多种物体类别上评估了所提出的方法，并证明了所提出框架的有效性。项目页面：https://guangzhaohe.com/canor

关键词

神经物体绑定 4D 可变形物体低维流形数据驱动表示姿态操纵

引用

@article{arxiv.2505.20283,
  title  = {Category-Agnostic Neural Object Rigging},
  author = {Guangzhao He and Chen Geng and Shangzhe Wu and Jiajun Wu},
  journal= {arXiv preprint arXiv:2505.20283},
  year   = {2025}
}

备注

Accepted to CVPR 2025. Project Page: https://guangzhaohe.com/canor

类别无关的神经物体绑定

摘要

关键词

引用

备注

相关论文