PAOLI：基于稀疏视图图像的无姿态铰接物体学习
计算机视觉与模式识别
2026-04-06 v2
摘要
我们提出了一种利用未知姿态的稀疏图像集合对铰接物体进行建模的方法。现有方法需要稠密的多视图观测和真值相机姿态。我们的方法在无任何相机监督的情况下，仅需每次铰接运动的四个视图即可运行。我们的核心洞察是，在分析部件运动之前，首先求解未对齐重建之间的鲁棒对应与对齐问题。我们首先利用稀疏视图三维重建的最新进展独立地重建每次铰接运动，然后学习一个形变场以建立跨姿态的稠密对应关系。渐进式解耦策略进一步将静态部件与运动部件分离，实现了相机运动与物体运动的鲁棒分离。最后，我们利用强制执行跨视图和跨姿态一致性的自监督损失，联合优化几何、外观和运动学。在标准基准和真实世界样本上的实验表明，与现有方法相比，我们的方法在显著更弱的输入假设下能够生成准确且详细的铰接物体表示。
引用
@article{arxiv.2509.04276,
title = {PAOLI: Pose-free Articulated Object Learning from Sparse-view Images},
author = {Jianning Deng and Kartic Subr and Hakan Bilen},
journal= {arXiv preprint arXiv:2509.04276},
year = {2026}
}