SPLATART：基于估计对象结构的单摆 articulated 高斯溅射

在机器人领域，代表 articulated objects 仍然是一个具有挑战性的问题。诸如钳爪、夹具或橱柜等对象需要能够捕捉不仅包括几何和颜色信息外的零件分离、连接性和关节参数。此外，随着每个自由度的增加，这些表示变得越来越困难。复杂的 articulated objects 如机器人机械臂可能具有七个或更多的自由度，其运动学树的深度也明显大于工具、抽屉和橱柜等通常作为 articulated object 研究对象的对象。为此，我们引入SPLATART——一个从带有姿态图像的图像中学习 articulated objects 的高斯溅射表示的管道，其中一部分包含图像空间零件分割。SPLATART将零件分离任务与 articulation 估计任务解耦，允许事后确定关节估计并表示具有更深运动学树结构的 articulated objects。本文我们呈现了SPLATART管道在合成 Paris 数据集对象上的数据，以及在稀疏分割监督下对真实对象的定性结果。我们还展示了对 articulated 串联链臂的应用，以演示在更深的运动学树结构上的用法。