面向三维关节物体的无监督位姿感知部件分解
计算机视觉与模式识别
2021-10-12 v1
摘要
关节物体广泛存在于现实世界中。然而，以往用于无监督部件分解的三维生成方法不适用于此类物体，因为它们假设部件位置在空间上固定，导致部件解析不一致。本文提出 PPD（无监督位姿感知部件分解），针对一种显式以带机械关节的人造关节物体为目标并考虑部件位姿的新设定。我们表明，对部件形状与位姿的类别通用先验学习，有助于（1）基于非基元隐式表示的部件分解，以及（2）在单帧形状监督下将部件位姿作为关节参数学习。我们在合成与真实数据集上评估了方法，表明基于与有监督基线相当的部件位姿估计性能，其在关节物体的一致部件解析上优于以往工作。
引用
@article{arxiv.2110.04411,
title = {Unsupervised Pose-Aware Part Decomposition for 3D Articulated Objects},
author = {Yuki Kawana and Yusuke Mukuta and Tatsuya Harada},
journal= {arXiv preprint arXiv:2110.04411},
year = {2021}
}