利用 SE(3) 等变性学习三维几何形状组装
计算机视觉与模式识别
2023-12-19 v2 人工智能
摘要
形状组装旨在将零件（或碎片）重新组装成完整物体，这是我们日常生活中的常见任务。与语义零件组装（例如将椅子的腿等语义部件组装成整把椅子）不同，几何零件组装（例如将碗的碎片组装成完整的碗）是计算机视觉与机器人领域的新兴任务。该任务关注零件的几何信息而非语义信息。由于破碎零件的几何与位姿空间极其庞大，零件表示的形状-位姿解耦有益于几何形状组装。本文中，我们提出利用 SE(3) 等变性实现此种形状-位姿解耦。此外，尽管视觉与机器人领域的先前工作仅考虑单物体表示的 SE(3) 等变性，我们更进一步提出利用考虑多零件相关性的表示的 SE(3) 等变性，进一步提升了多零件组装的性能。实验证明了 SE(3) 等变性及我们所提方法对几何形状组装的重要意义。项目页面：https://crtie.github.io/SE-3-part-assembly/
引用
@article{arxiv.2309.06810,
title = {Leveraging SE(3) Equivariance for Learning 3D Geometric Shape Assembly},
author = {Ruihai Wu and Chenrui Tie and Yushi Du and Yan Zhao and Hao Dong},
journal= {arXiv preprint arXiv:2309.06810},
year = {2023}
}
备注
ICCV 2023, Project page: https://crtie.github.io/SE-3-part-assembly/ , Code: https://github.com/crtie/Leveraging-SE-3-Equivariance-for-Learning-3D-Geometric-Shape-Assembly