神经隐式表示用于构建未知铰接物体的数字孪生
计算机视觉与模式识别
2024-06-10 v2 人工智能
图形学
机器人学
摘要
我们解决了从物体在不同铰接状态下的两次RGBD扫描构建未知铰接物体数字孪生的问题。我们将问题分解为两个阶段，每个阶段处理不同方面。我们的方法首先重建每个状态下的物体级形状，然后恢复底层铰接模型，包括部件分割和连接两个状态的关节铰接。通过显式建模点级对应关系并利用来自图像、3D重建和运动学的线索，我们的方法相比先前工作产生了更准确和稳定的结果。它还能处理多个可动部件，并且不依赖任何物体形状或结构先验。项目页面：https://github.com/NVlabs/DigitalTwinArt
引用
@article{arxiv.2404.01440,
title = {Neural Implicit Representation for Building Digital Twins of Unknown Articulated Objects},
author = {Yijia Weng and Bowen Wen and Jonathan Tremblay and Valts Blukis and Dieter Fox and Leonidas Guibas and Stan Birchfield},
journal= {arXiv preprint arXiv:2404.01440},
year = {2024}
}
备注
CVPR 2024