ReaderMX.
机器之心

DecoupledGaussian：用于基于物理交互的物体与场景解耦

机机器之心约 2 分钟

图片

DecoupledGaussian 提出了一种从野外视频或多视角图像中分离物体与其接触场景的创新方法，为基于物理的交互模拟奠定基础。传统方法通常依赖于合成数据或仅实现表面弹性抖动，导致物体难以完全脱离接触表面进行独立运动。
为解决这一问题，该工作首先利用 Gaussian Splatting (GS) 对场景进行三维重建，通过平面约束和高斯分割获得初步几何信息。随后，系统采用联合泊松场方法对物体和场景断裂区域进行修复，重建出完整、精确的三维结构；同时，利用代理点辅助恢复物体复杂的几何细节，并引入单边负交叉熵（UNCE）在多视角下优化雕刻结果，减少渲染和几何误差。最终，结合 MLS-MPM 模型实现实时交互模拟，支持物体在受力后发生碰撞、断裂和材质变化等复杂物理现象。
实验结果表明，该方法在恢复精度和模拟真实感上均优于现有技术，为虚拟现实、机器人和自动驾驶等领域提供了有力的数字交互工具。
为了更好的帮助大家了解这项工作，机器之心最新一期线上分享邀请到论文一作、爱丁堡大学在读博士王淼威，为大家进行详细介绍DecoupledGaussian。
Image
分享主题：DecoupledGaussian: Object-Scene Decoupling for Physics-Based Interaction
分享摘要：本次分享介绍DecoupledGaussian系统，借助高斯散射与联合泊松场技术，从野外视频中分离物体与场景，并实现真实物理交互模拟。
嘉宾简介：王淼威，爱丁堡大学在读博士，研究方向三维视觉与动画仿真。
项目链接：https://wangmiaowei.github.io/DecoupledGaussian.github.io/
直播时间：北京时间 3月21日 19:00-20:00。
直播预约：
本次直播设有 QA 环节，欢迎大家加群一起来聊。
Image
机器之心 · 机动组
机动组聚焦于学术研究、工程实践与产业应用，筛选前沿、专业、实用内容，不定期组织学术研讨、技术交流与实战分享等。欢迎所有 AI 领域技术从业者关注。
点击阅读原文，查看往期回顾。

KEEP THE THREAD GOING

更多来源文章