ICCVSep, 2023

利用 SE（3）等变性学习 3D 几何形状装配

PDF
TL;DR我们提出利用 SE (3) 等变性对形状姿态进行解耦，并在多部分协作方面提供了改进，这大大提高了几何形状装配的性能。
发现论文，激发创造
  • 深度 SE (3) 等变几何推理用于精确布局任务

    在本文中，我们提出了一种方法，用于准确的相对位置预测，该方法在少量演示数据上可学习，可以跨对象类别变化进行泛化，并通过证明具有 SE (3) 等变性来解决此问题。

    Apr, 2024

  • 基于自监督的类别级联物体姿态估计与部件级 SE (3) 等变性

    这篇论文提出了一种基于自监督学习的方法，通过部分等变形状分析提取规范形状和物体姿态，再通过刚性变换描述部件从规范空间到相机空间的转换，实现未知关节感知物体的层次化姿态估计。

    Feb, 2023

  • 无监督刚体分割与运动估计的多体 SE (3) 等变性

    该研究提出了一种使用 SE (3) 等变特征进行刚体分割和运动估计的无监督学习方法，大大提高了模型效率和性能，并在四个数据集上进行实验证明了其有效性。

    Jun, 2023

  • 通过诱导和限制表示进行等变单视角姿态预测

    从二维图像中学习关于三维世界的知识是计算机视觉中的一个基本问题，本文提出了一种学习三维表示的算法，满足几何一致性约束，并在三个姿态预测任务中取得了 SOTA 结果。

    Jul, 2023

  • 动态图学习生成三维零件装配

    该论文提出了一种基于动态图卷积神经网络的自主部件组装方法，主要解决了几何和关系推理的部件姿态估计子问题，从而将输入部件组装成一个 3D 形状。

    Jun, 2020

  • 利用 SE（3）等变性进行自监督分类目标位姿估计

    该研究提出了一个基于自监督学习框架和 SE (3) 等变点云网络的类别级别物体位姿估计方法，可在没有真值姿态注释、CAD 模型和多视图监督的情况下，从单独的 3D 点云中进行类别级别的六自由度物体位姿估计， 并在多个基准测试上验证了该方法的有效性。

    Oct, 2021

  • 利用关节可见性进行神经人体拟合的通用性及对未见姿态的推广

    本文介绍了一种将参数化人体模型适应于点云数据的新方法 ——ArtEq。通过使用基于部分的 SE（3）- 等变神经结构来完成 SMPL 模型对点云的估计，并通过对等变姿态回归模块进行改进来实现对训练过程之外的姿态的泛化能力的提升。在实验中，ArtEq 方法的表现比同类方法提高了 74.5%，并且速度快了三个数量级。

    Apr, 2023

  • 3D 网格形状和姿态的无监督分离

    本文提出了一种简单但有效的无监督学习方法，结合自一致性和交叉一致性约束，并将尽可能刚性形变集成到训练循环中，以学习体态模型中的形状和姿态空间，并演示了学习表示的实用性，包括姿势转移和形状检索，实验证明了该方法的通用性。

    Jul, 2020

  • 从单张图片中学习 3D 零件组装

    该文章提出了一种用单张图片指导的三维部件自动组装的方法，该方法采用包括二维三维对应和面向组装的图传递等技术解决难题并证明了其高效性。

    Mar, 2020

  • 等变描述符场：SE（3）等变能量模型用于端到端的视觉机器人操作学习

    本文利用李群的表示理论构建了新的 SE (3) - 等变能量模型，允许高样本的端到端学习。我们证明这些模型可以从头开始学习，但具有很高的样本效率，并且可以推广到具有不同要求的任务中。

    Jun, 2022