Functionalization via Structure Completion and Motion Rectification
本文介绍了“物体功能化”，这是一项新颖的任务，它利用神经图功能化器补全结构图并修正运动误差，从而将非功能性的 3D 模型转化为可物理操作的模型，该任务在新型家具数据集上得到了验证，并与最先进的方法进行了基准比较。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你拥有一个厨房橱柜的数字 3D 模型。它在屏幕上看起来完美无缺，但如果你试图打开柜门或拉出抽屉，却什么也不会发生。柜门悬浮在半空中，没有铰链；抽屉卡住了，因为没有滑轨；有时，柜门甚至被“困”在橱柜框架内部，因为设计师忘记预留开门所需的摆动空间。
我们在网上找到的大多数 3D 模型都是如此：它们看起来不错，但实际上无法运作。
本文介绍了一个名为GraFu（图功能化器）的新系统，它就像一个数字“维修”技工。它的工作是接收这些破损、无法运作的 3D 模型，并将它们转化为能够按预期移动和运作的物体。
以下是该过程的运作方式，分解为简单步骤：
1. “蓝图”阶段（图）
首先，计算机会查看 3D 模型，并将其转化为一个图表（或“图”）。
- 节点：家具的每一个部件（柜门、侧板、抽屉）都变成图表上的一个点。
- 边：连接这些点的线条代表这些部件应如何关联。例如，一条标记为“铰链”的线意味着柜门应连接到框架上。
在破损的模型中，这个图表是不完整的。它可能完全缺失“铰链”这条线，或者有一个未连接任何事物的“抽屉”点。GraFu 的工作就是查看这个破损的图表并填补缺失的部分。它会预测：“啊，这扇门在这里需要铰链”，或者“这个抽屉在那里需要滑轨”，或者“这个橱柜缺少一个顶层搁板”。
2. “构建”阶段（几何实现）
一旦 GraFu 修复了图表，它就进入第二阶段：构建实际部件。
- 添加硬件：它不仅仅是说“存在铰链”；它实际上会在场景中插入一个铰链的 3D 模型。它将铰链完美地扣合在柜门和框架上。
- 添加缺失部件：如果模型缺少把手或顶板，GraFu 会生成这些形状并将它们放置在合适的位置。
- 神奇修复（运动校正）：这是最巧妙的部分。有时，原始 3D 模型中的柜门位置会导致它在打开时撞墙。因为 GraFu 安装了具有特定旋转轴的真实物理铰链，计算机现在可以精确计算柜门的运动方式。这通常能自动修复碰撞。柜门会顺畅地打开，因为铰链迫使它沿着正确的路径移动，从而纠正了原始人类设计师所犯的错误。
3. “人在回路”工具
研究人员开发了一种特殊工具（流行 3D 软件 Blender 的一个插件），让人类可以审视这项工作。如果计算机把手把放在了错误的位置，人类可以将其拖到正确的位置。这就像拥有一个机器人助手，它完成了 90% 的繁重工作，但将最后 10% 的调整留给你来完成。
他们测试了什么？
为了证明这行之有效，他们创建了一个名为FurFun-233的数据集，其中包含 233 对家具模型：一个“破损”版本和一个“修复”版本。他们利用这些成对数据训练了他们的 AI。
当他们将此方法与其他顶级方法进行比较时：
- 准确性：它在预测部件应如何运动方面，与现有最佳工具一样出色。
- 安全性：它在确保部件互不碰撞（碰撞）或散架（连接性）方面表现要好得多。
- 鲁棒性：即使他们“破坏”了输入（隐藏了部件的标签），该系统仍然能够找出修复家具的方法。
总结
将这项技术想象成数字建筑师和木匠的合一体。如果你给它一个外观漂亮但一尝试使用就会散架的橱柜 3D 模型，该系统将：
- 找出缺失了什么（铰链、滑轨、把手）。
- 构建这些缺失的部件并正确地将它们安装好。
- 修复任何运动错误，使柜门能打开，抽屉能滑动，且不会发生碰撞。
目标不仅仅是让 3D 模型看起来漂亮；而是要让它们在物理上可用，这对于机器人、电子游戏和虚拟现实等领域至关重要，因为在这些领域中，物体需要表现得像现实生活一样。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。