Google Scanned Objects
PulseAugur coverage of Google Scanned Objects — every cluster mentioning Google Scanned Objects across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新AI方法从图像生成可用于仿真的碰撞几何体
研究人员开发了I2CD，一种直接从单个RGB图像生成凸碰撞几何体的新方法。该方法绕过了传统耗时的重建3D模型然后进行分解的流程。I2CD利用一个固定的图像到3D扩散模型，仅训练一个轻量级的交叉注意力头来输出凸多面体的参数。生成的几何体效率高，可直接用于物理引擎，并且比现有方法生成速度显著更快，在仿真和物理机器人上均表现出改进的性能。
-
新方法使用球形占用率剖面图进行3D重建和生成
研究人员开发了一种使用球形占用率剖面图进行3D重建和生成的新颖方法，该剖面图表示射线占用率概率。该方法通过利用多视图3D高斯重建来统一判别式和生成式任务。该系统在Google Scanned Objects数据集上取得了出色的性能，其生成式流程建立在剖面图VAE和潜在扩散模型之上，可实现可调的多解重建。
-
Owner3D框架实现了无需训练的局部3D风格化
研究人员推出了一种名为Owner3D的新型框架，该框架专为无需额外训练的局部3D风格化而设计。该方法将风格控制直接集成到大型重建模型（LRM）过程中，解决了风格泄露和边界模糊等挑战。Owner3D采用所有权引导的风格写入，将风格注入限制在特定区域，并利用边界双槽来维护目标区域和非目标区域的独立特征源，从而提高风格保真度和外观保持性。
-
新的VLM-Judge协议可靠评估3D网格质量
研究人员开发了一种使用视觉语言模型（VLM）进行去偏评估的协议，用于评估从单张图像生成的3D网格质量。该协议通过使用不同的VLM裁判进行训练和评估，并实施位置偏差校正，旨在提供比CLIP相似度或几何有效性等传统代理指标更可靠的评估。虽然该协议在识别故障模式方面被证明是有效的，并被用于调整名为TRELLIS的生成器，但调整方法在公共数据集上训练时并未超越基础模型的性能。研究表明，要超越基础性能，仅在公共数据集上进行轻量级参数高效微调是不…