Jigsaw：学习组装多个破碎物体
计算机视觉与模式识别
2023-10-30 v2
摘要
3D 碎裂体的自动组装在骨科、考古学及日常生活中至关重要。本文提出 Jigsaw，一种从多块物理破碎的 3D 物体进行组装的新框架。我们的方法利用全局与局部几何的分层特征来匹配并对齐断裂面。我们的框架由四部分组成：（1）带注意力层的前端点特征提取器，（2）分离断裂部分与原始部分的表面分割，（3）在多部分间寻找断裂面点对应关系的多部分匹配，以及（4）恢复各块全局位姿的鲁棒全局对齐。我们展示了如何联合学习分割与匹配，并无缝整合特征匹配与刚性约束。我们在 Breaking Bad 数据集上评估 Jigsaw，相比最先进方法取得了优越性能。我们的方法也对多样断裂模式、物体及未见过实例具有良好泛化性。据我们所知，这是首个专为多块 3D 碎裂组装设计的基于学习的方法。我们的代码见 https://jiaxin-lu.github.io/Jigsaw/。
引用
@article{arxiv.2305.17975,
title = {Jigsaw: Learning to Assemble Multiple Fractured Objects},
author = {Jiaxin Lu and Yifan Sun and Qixing Huang},
journal= {arXiv preprint arXiv:2305.17975},
year = {2023}
}
备注
18 pages, 9 figures, NeurIPS 2023