PhysX：基于物理原理的 3D 资产生成

文章目录

• 摘要
• 1 引言
• 2 相关研究
• • 2.1 3D数据集与基准
  • 2.2 3D生成模型
  • 2.3 关节与物理3D对象建模
• 3 PhysXNet数据集
• • 3.1 物理属性定义
  • 3.2 人工闭环标注流程
  • 3.3 PhysXNet的统计数据与分布
• 4 PhysXGen框架
• • 4.1 物理3D变分自编码器（VAE）编码与解码
  • 4.2 物理隐变量生成
• 5 实验
• • 5.1 实现细节
  • 5.2 评估指标
  • 5.3 定量结果
  • 5.4 定性结果
• 6 结论
• 实现细节
• • PhysXGen的结构
  • PhysXGen训练的纹理检索
  • B. 人工参与标注流程的细节
  • C PhysXNet-XL中的程序化生成
  • D 更多实验结果
  • • D.1 与基于GPT的基线方法对比
    • D.2 不同架构的定性比较
  • 对物理基础3D生成中挑战的进一步分析
  • 列表1：基于部件的标注系统提示（GPT）

摘要

3D建模正从虚拟向物理领域拓展。现有的3D生成主要强调几何形状和纹理，而忽视了基于物理原理的建模。因此，尽管3D生成模型发展迅速，但合成的$3D$资产往往忽略了丰富且重要的物理属性，阻碍了它们在模拟和具身人工智能（AI）等物理领域的实际应用。作为应对这一挑战的初步尝试，我们提出了PhysX，这是一种用于基于物理原理的$3D$

娱乐信息综合站点