通过部分点云对齐与物理合理性约束引导基于扩散的铰接物体生成
计算机视觉与模式识别
2025-08-04 v1 机器学习
摘要
铰接物体是日常环境中一类重要的可交互物体。在本文中，我们提出了 PhysNAP，一种新颖的基于扩散模型的方法，用于生成与部分点云对齐的铰接物体，并提升其物理合理性。该模型使用符号距离函数（SDFs）表示部件形状。我们利用基于预测 SDFs 计算的点云对齐损失来引导反向扩散过程。此外，我们基于部件 SDFs 施加非穿透性与可动性约束，以引导模型生成更具物理合理性的物体。我们还将扩散方法设计为类别感知的，以便在类别信息可用时进一步提升点云对齐效果。我们使用 PartNet-Mobility 数据集评估了 PhysNAP 生成样本的生成能力与约束一致性。我们还将其与无引导的基线扩散模型进行了比较，结果表明 PhysNAP 能够提升约束一致性，并在生成能力之间提供权衡。
引用
@article{arxiv.2508.00558,
title = {Guiding Diffusion-Based Articulated Object Generation by Partial Point Cloud Alignment and Physical Plausibility Constraints},
author = {Jens U. Kreber and Joerg Stueckler},
journal= {arXiv preprint arXiv:2508.00558},
year = {2025}
}
备注
Accepted for publication at the IEEE/CVF International Conference on Computer Vision (ICCV), 2025