単一画像からのクエリ条件付き関節構造推定

- 単一の RGB 画像から物体の articulation parameters を推定するモデル QueryArt を提案。 - 入力は RGB 画像、2D query point、camera intrinsics。 - クエリ点に対する 3D articulation geometry を、その点の depth を単位として推定。 - 単一の depth 測定で scale を復元し metric parameters を得る。 - 合成と実世界の articulation datasets を混合して学習。

- 従来の単一画像手法は articulation part segmentation と articulation estimation を結合し、検出漏れや誤った part association に弱い。 - また単一視点では scale が不定な metric 3D geometry を回帰していた。 - QueryArt は query point 相対かつ depth 単位で推定するため、画像のみから同定可能。 - 複数の benchmark で最近の baselines を上回り、out-of-distribution データでも優位。

- 単一 RGB 画像、2D query point、camera intrinsics を入力とする。 - クエリ点に対する 3D articulation geometry を、その点の depth を単位として推定するよう学習。 - 単一の depth 測定をクエリ点で行い scale を供給して metric parameters を復元。 - 合成と実世界の articulation datasets をキュレーションした混合データで学習。

- 複数の benchmarks で最近の baselines と比較。 - ほとんどの articulation metrics で baselines を上回り、out-of-distribution データでも優位。 - 実世界設定の検証として mobile manipulator 上で 57 の manipulation trials を実施。 - 16 object parts、5 viewpoint classes をカバーし、70.2% の成功率を達成。

- 要旨からは不明。 - 限界や失敗事例、計算コスト、depth 測定の誤差影響などについての議論は要旨に記載なし。

- 要旨で参照/比較されている研究は明示されていない。 - 関連手法として articulation estimation、part segmentation、single-image 3D reconstruction、mobile manipulation の定番研究を挙げる。 - 具体的な論文名は要旨からは不明。