[Paper] 统一原语代理用于结构化形状补全

Source: arXiv - 2601.00759v1

概述

本文介绍了 UniCo，一个统一的框架，通过直接预测结构化基元（例如平面、圆柱体、长方体）来完成 3‑D 对象的缺失部分，而不是生成稠密点云。UniCo 将基元视为一等公民，并在单次前向传播中将其与点级信息耦合，从而在合成数据集和真实世界数据集上实现了显著更高的重建质量。

关键贡献

• 以原始体为中心的解码: 一个专用的网络分支从共享的形状特征中预测完整的原始体（几何、语义标签和内点成员），摆脱传统的点级后再原始体级的级联处理。
• 可学习的原始体代理: 引入上下文化的查询向量，作为每个原始体的“代理”，使模型能够一次性输出可直接用于装配的原始体。
• 点‑原始体联合训练: 一种在线目标更新方案将点云预测与原始体预测耦合，确保梯度一致并实现稳定收敛。
• 领先的性能: 在四个基准装配求解器上，UniCo 将 Chamfer 距离降低最多 50 %，并将法线一致性提升最多 7 %，相较于近期基线。
• 开源发布: 代码、预训练模型和演示页面已公开，促进可复现性和下游集成。

方法论

1. 共享特征编码器

   • 一个点云编码器（例如 PointNet++ 或基于 transformer 的骨干网络）从不完整的输入中提取全局形状描述符。

2. 双解码路径

   • 点路径： 生成密集的点集合，以捕获细粒度几何信息。
   • 原语路径： 接收相同的全局描述符，但处理一组 可学习的原语代理（固定大小的查询向量）。每个代理通过交叉注意力关注共享特征，生成原语描述符。

3. 原语输出头

   • 从每个描述符中，三个头部预测：
     • 几何（参数化原语的参数，如平面法向量与偏移、圆柱半径与轴线等）
     • 语义类别（例如家具的 “腿”、 “靠背”）
     • 内点掩码（哪些输入点属于该原语）。

4. 在线目标更新

   • 在训练期间，模型在细化点预测和更新原语目标之间交替进行，使用当前点云作为原语内点掩码的软标签。这使得两个分支相互保持一致。

5. 损失函数

   • 点重建的 Chamfer 距离、原语几何的参数回归损失、语义的交叉熵损失，以及连接点 ↔ 原语的掩码一致性损失。

Results & Findings

• 原始体质量： 预测的原始体与真实 CAD 模型高度对齐，支持下游的 CAD 风格操作（例如布尔装配、部件级编辑）。
• 速度： 单次前向传播（≈ 30 ms 在 RTX 3090 上处理 10 k 输入点）即可同时生成点云和原始体，省去以往工作中的多阶段流水线。
• 鲁棒性： 联合训练方案减轻了误差传播；即使在 30 % 遮挡情况下，UniCo 仍能恢复合理的原始体布局。

Practical Implications

• 快速 CAD 重建: 工程师可以输入机械部件的部分扫描，获得干净的参数化模型，准备进行后续仿真或制造。
• 机器人与操作: 需要推理对象可操作性的机器人可以使用语义原始体输出，规划抓取或装配动作，而无需昂贵的网格处理。
• AR/VR 内容创作: 艺术家可以使用手持扫描仪捕获不完整的对象，并立即获得可编辑的原始体组件用于场景构建。
• 边缘部署: 由于 UniCo 只需一次前向传播即可运行，适配现代 GPU 甚至高端移动 AI 加速器，为移动扫描应用中的设备端 3‑D 完成提供可能。
• 即插即用于现有流水线: 原始体代理可以替换到任何点云主干网络，便于升级现有感知栈。

限制与未来工作

• 原始基元库: 当前实现仅支持一组固定的原始类型（平面、圆柱体、长方体、球体）。扩展到更复杂的参数化形状（例如自由形状 NURBS）将扩大适用范围。
• 对超大场景的可扩展性: 虽然对单个对象效率较高，但处理包含数千个基元的整房间扫描可能需要层次化的代理管理。
• 依赖高质量点编码器: 基元预测的质量仍然取决于底层点云编码器；引入最新的基于 Transformer 的编码器可能进一步提升性能。
• 实时细化: 未来工作可以探索在初始前馈传递之后对基元进行迭代细化，从而实现交互式编辑循环。

UniCo 展示了统一的、基元优先的视角能够显著提升结构化形状补全，为开发者提供了将不完整 3‑D 数据转化为干净、可编辑模型的实用工具。

作者

• Zhaiyu Chen
• Yuqing Wang
• Xiao Xiang Zhu

论文信息

• arXiv ID: 2601.00759v1
• 分类: cs.CV
• 出版日期: 2026年1月2日
• PDF: Download PDF