本文介绍了 “Fantastic Breaks (和它们在哪里找到)” 数据集，该数据集包含 150 个 3D 损坏的物体的扫描、防水和清理网格，以及完整对应物体的几何对齐。通过对破裂几何的详细分析，揭示了 Fantastic Breaks 和使用基于几何学和基于物理的方法生成的合成断裂数据集之间的差异，并使用该数据集进行了实验形状修复评估。

Mar, 2023

发展一种可扩展的几何断裂组装框架，不依赖于语义信息，并且提出了一种新的损失函数来解决断裂组装过程中的碰撞问题并提高结果的性能。

Dec, 2023

在脆性断裂动画领域，本文引入了一种新颖的基于学习的方法，将逼真的脆性断裂动画与刚体模拟相融合，通过 BEM 脆性断裂模拟和几何分割有符号距离函数（GS-SDF）作为训练数据，采用潜在冲量表示法作为输入，在保持计算效率的同时生成更详细的脆性断裂。

Oct, 2023

该文章介绍了 Jigsaw 框架，该框架是一种用于将多个部件的物理断裂的 3D 对象组装起来的方法，并且通过分割、匹配和全局对齐的方式来提高其性能。该方法是一种第一次基于学习的方法，专门用于多个部件的 3D 断裂组装。

May, 2023

本文提出了一种基于 3D 点云的、不考虑物体类型和外形信息的两两组合方法，用于重新组装不同类型的残缺物体。

Jun, 2023

此论文提出了损坏物体重新识别的新任务，使用计算机生成图像探索该任务，并提出了一种多任务、基于转换器的深度网络 ——TransReI3D 作为基线。

Apr, 2023

该论文提出了一种新颖的 “自动凝聚” 三维断裂组装方法 PuzzleFusion ++，类似于人类解决具有挑战性的空间拼图的方式。通过将单个碎片对准并合并成较大的群组，然后迭代地完成组装，这种方法在 Breaking Bad 数据集上的大量实验证明，在所有度量指标上都明显优于所有其他最先进的技术，特别是部分准确性提高了 10％以上，Chamfer 距离提高了 50％。

Jun, 2024

通过对断裂表面进行深度学习模型的半监督训练，实现了对材料的断裂表面分割，研究了结构相似性的影响，并且在断裂力学评估中取得了显著的成功。

Mar, 2024

本文介绍了一种更加贴近现实世界中 3D 打印模型的新的基准测试数据集，并提供了在线查询接口选择数据集子集以便未来的研究。

May, 2016

Pix2Repair 是一种自动形状修复方法，通过对图像进行分析来生成 3D 打印的修复形状，从而克服了传统修复方法需要高分辨率的不完整 3D 网格的不足。

May, 2023