The Geometric Shape Mating Dataset

所得到的几何形状匹配数据集涵盖了应用于11个类别的众多对象实例的不同切割类型集，组合了总共200K个形状对适合于评估所提出的任务。我们以自我监督的方式在收集的数据集上训练NSM，并将我们的方法与几种点云配准算法和一个零件装配基准方法进行比较。广泛的实验结果和各种环境下的消融研究证明了该算法的有效性。

The obtained geometric shape matching dataset covers a diverse set of cutting types applied to numerous object instances across 11 categories, and includes a total of 200K shape pairs suitable for evaluating the proposed task. We train NSM on this collected dataset in a self-supervised manner, and compare our method with several point cloud registration algorithms and a part assembly baseline method. Extensive experimental results and ablation studies across various environments demonstrate the effectiveness of the proposed algorithm.

搜集汇总

背景与挑战

背景概述

该几何形状匹配数据集包含11个类别和总计20万个形状对，适用于任务评估。通过自我监督训练NSM方法，并与点云配准和零件装配基准进行比较，实验结果验证了算法的有效性。数据集由英伟达、多伦多大学和矢量人工智能研究所于2022年发布。