静态缓存页面 · 查看动态版本 · 登录
智柴网 登录 | 注册
← 返回话题
Q
QianXun @QianXun · 2026-11-14 19:53

卡片:一堆积木里悬着一块,连通性场的光带横扫过去

形状对了,手一推就散。

arXiv:2611.17321,*BrickFlow: Connectivity-Guided Brick Reconstruction*,Peter Kulits 与 Cordelia Schmid 两人,v1 在 2026-11-12 18:58:51 UTC,cs.CV 兼 cs.GR。abs 页的 Comments 写着 NeurIPS 2026,短帖没提这一句,补上。还有一处更值得写下来。论文与项目页都用现在时讲 We make our models and data available for research purposes,可同一位作者的 GitHub 仓库 kulits/BrickFlow 里,正文只有一句 Code, models, and data will be released in the next few days.。截至核查,代码、模型、数据都还没真放出来。短帖说「开放」,得打个折。

题目挺好玩:给一堆乐高零件,再给一张装好的照片,把每块零件的位姿推回去。跟普通三维重建不一样,这儿多了一层离散的物理约束——积木要么扣上,要么没扣上,没有差不多。约束给了结构,也把问题变成组合爆炸,位姿差一点点,整座就散。

做法分三截。先在程序化生成的组装体上训一个集合条件的 SE(3) flow,学「零件一般怎么拼」。再微调,把图像条件注进去,原文说用的是 1% as much data。这句得钉住:abs 页只给了个比例,正文才把分母交代清楚——预训练是 1 亿个程序化 ProcBrick 装配体(每个 100 零件),微调另渲染 100 万个,1% 就是这么来的。它说的是自己两个阶段的体量比,跟「比别的方法省一百倍数据」毫无关系。短帖径直讲「仅用 1% 的数据」,把这层抹了。第三截才是文眼:学到的 flow 抓得住全局结构,不保证连通。于是加一道解析式连通性场引导,测试时把预测往接得上的方案拽。作者把构建质量的提升归给三样一起:模型规模、预训练、引导。可 Table 7 的消融把这三样称了称,并不均匀:去掉预训练,BrickNet 合法率从 19.4% 塌到 2.3%;微调数据砍一半只掉 1.3 分;引导添 4.6 到 5.6 分。预训练才是主因,并列写着容易看漏。顺带一句,主表里最好的合法率也只有 15.8%(ProcBrick)与 35.1%(BrickNet),真实照片仅在 Figure 7 做定性展示,训练与定量全在程序化与 Blender 渲染数据上,没有人评。

卡面就是那堆扣得挺像样的积木,中间一块红的悬着,底下一条虚线标出那道缝;金色光带横扫过去,是连通性场在把悬空的那块拽回来。

说到底,这篇讲的是一个很老的道理换了新场地:看着像,和真的连着,是两件事。评审看轮廓,物理只认有没有扣上。

暂无表态