NAP：神经三维关节物体先验
计算机视觉与模式识别
2023-05-26 v1
摘要
我们提出神经三维关节物体先验（NAP），首个用于合成三维关节物体模型的 3D 深度生成模型。尽管在生成 3D 物体、组合或场景方面已有广泛研究，仍缺乏对捕捉关节物体分布的关注，而这是人类与机器人交互的常见物体类别。为生成关节物体，我们首先设计一种新颖的关节树/图参数化，然后在该表示上应用扩散-去噪概率模型，其中关节物体可通过从随机完全图去噪而生成。为捕捉几何与运动结构（其分布相互影响），我们设计图注意力去噪网络以学习反向扩散过程。我们提出一种新颖距离度量，将广泛使用的 3D 生成指标适配于我们的新任务以评估生成质量，实验证明了我们在关节物体生成上的高性能。我们还展示了若干条件生成应用，包括 Part2Motion、PartNet-Imagination、Motion2Part 与 GAPart2Object。
引用
@article{arxiv.2305.16315,
title = {NAP: Neural 3D Articulation Prior},
author = {Jiahui Lei and Congyue Deng and Bokui Shen and Leonidas Guibas and Kostas Daniilidis},
journal= {arXiv preprint arXiv:2305.16315},
year = {2023}
}
备注
project page: https://www.cis.upenn.edu/~leijh/projects/nap