跳到正文
arXiv cs.AI· Pooya Khosravi, Jen-Feng Chang, Fnu Pramono·· 10 小时前AI 评分31

SixthView:隐藏视图重建与 3D 装配推理基准

SixthView: A Benchmark for Hidden-View Reconstruction and 3D Assembly Reasoning

AI 导读

SixthView 是一个从五个正交视图预测第六视图的 3D 装配推理基准,含 602 个合成 polycube 装配体,零件数 2–10,要求对缺失视图输出密集零件标签网格。

正文 · AI 翻译

查看 PDF HTML(实验性)

摘要:推断 3D 装配体不可见的一侧,需要对零件放置和遮挡进行推理。不同的装配体可以匹配观察到的视图,却产生不同的隐藏视图,从而使目标变得模糊。我们提出 SixthView,一个基准测试,其中模型根据五个观察视图以及关于组件形状的信息,预测第六个正交视图。该基准包含 602 个由 2--10 个零件组成的合成多立方体装配体,并要求为缺失视图提供密集的零件标签网格,从而支持精确视图和单元格级评估。对于每个条目,我们穷尽验证所有与精确组件几何形状和观察标签网格一致的合法装配体都产生相同的目标视图。凭借这些输入,该任务测试符号装配和坐标推理。仅图像变体还要求从渲染视图恢复形状,其中遮挡可能使不同的 3D 形状看起来相同。我们在四种输入条件下评估了三个视觉语言模型。在 552 个完整评估条目中,图像加精确文本的精确网格准确率从 33.2% 到 85.4% 不等。将精确文本添加到分离图像可使准确率提高 19.7--63.0 个百分点,而将图像添加到精确文本仅使其变化 $-0.5$ 到 $+2.1$ 个百分点。分离图像面板比合并图板高出 6.7--11.1 个百分点。结果表明,性能强烈依赖于对精确符号信息的访问,一旦几何形状被指定,图像带来的进一步改进很小。GitHub:此 https URL
评论: 13 页
主题: 计算机视觉与模式识别 (cs.CV);人工智能 (cs.AI)
引用为: arXiv:2611.23891 [cs.CV]
  (或 arXiv:2611.23891v1 [cs.CV] 用于此版本)
  https://doi.org/10.48550/arXiv.2611.23891

由 DataCite 颁发的 arXiv DOI(待注册)

提交历史

来自:Jen-Feng Chang [查看电子邮件]
[v1] 2026 年 11 月 18 日星期三 05:42:33 UTC(2,449 KB)

来源:arXiv cs.AI · arxiv.org