基于部分点云对齐和物理可行性约束的引导扩散式关节物体生成
计算机视觉与模式识别
2025-08-04 v1
摘要
关节物体是日常环境中重要的可交互物体类型。本文提出了 PhysNAP，这是一种新颖的扩散模型方法，用于生成与部分点云对齐并提高其物理可行性的关节物体。该模型将部件形状表示为符号距离函数（SDF）。我们使用预测的 SDF 计算点云对齐损失，以引导逆扩散过程。此外，我们基于部件 SDF 施加非穿透和移动约束，以引导模型生成更具物理可行性的物体。我们还使扩散方法具有类别感知性，以在提供类别信息时进一步提高点云对齐效果。我们使用 PartNet-Mobility 数据集评估了 PhysNAP 生成样本的生成能力和约束一致性。我们还与一个无引导基线扩散模型进行比较，表明 PhysNAP 可以提高约束一致性，并在生成能力和约束一致性之间提供权衡。
引用
@article{arxiv.2508.00557,
title = {Training-Free Class Purification for Open-Vocabulary Semantic Segmentation},
author = {Qi Chen and Lingxiao Yang and Yun Chen and Nailong Zhao and Jianhuang Lai and Jie Shao and Xiaohua Xie},
journal= {arXiv preprint arXiv:2508.00557},
year = {2025}
}
备注
Accepted to ICCV 2025