通过结构补全与运动校正实现功能化
计算机视觉与模式识别
2026-05-19 v1 图形学
摘要
3D 资产的获取和创建在很大程度上是由视图或外观驱动的。因此，现有的数字 3D 模型通常缺乏按预期功能所需的结构组件，如关节、支撑、内部结构或交互元素。同时，即使是人工标注的运动也经常容易出错，导致物理上不合理的行为。我们引入了对象功能化，这是一项新颖的任务，旨在将视觉上合理但无功能的 3D 模型转化为功能完备且物理可操作的模型。我们将功能化表述为一种新的功能图表示上的图补全问题，其中标记节点表示对象部件，标记边编码功能和接触关系，可移动节点携带运动属性，从而使结构功能缺陷表现为缺失节点或错误边。我们开发了一个神经图功能化器（GraFu）来补全表示无功能 3D 对象的不完整图。补全后的图随后驱动几何实例化阶段，在 3D 中实例化预测的连接器和结构元素，并产生校正错误的人工标注和预测运动的附带效果。为了支持训练和评估，我们以家具作为一个丰富且具有挑战性的目标类别，引入了 FurFun-233，一个包含 233 对非功能化和功能化家具模型的数据集。在 PartNet-Mobility（“零样本”）和 HSSD 测试集上，我们的方法在运动预测精度上与现有技术方法相当，同时在碰撞和连通性方面显著改善了功能性。
引用
@article{arxiv.2605.18010,
title = {Functionalization via Structure Completion and Motion Rectification},
author = {Mingrui Zhao and Sai Raj Kishore Perla and Kai Wang and Sauradip Nag and Duc Anh Nguyen and Jiayi Peng and Ruiqi Wang and Angel X. Chang and Manolis Savva and Ali Mahdavi-Amiri and Hao Zhang},
journal= {arXiv preprint arXiv:2605.18010},
year = {2026}
}