StructureGS: Structure-aware Gaussian Splatting for Articulated Object Reconstruction
作者: Gahye Lee, Gyoonseo Kim, Wonjong Jang, Jooeun Son, Seungyong Lee
分类: cs.GR, cs.CV, cs.RO
发布日期: 2026-07-29
备注: accepted at ECCV 2026
💡 一句话要点
提出StructureGS以解决关节物体重建中的结构纠缠问题
🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics) 支柱四：生成式动作 (Generative Motion)
关键词: 关节物体重建 结构感知 高斯点云 空间一致性 结构连通性 优化算法 计算机视觉
📋 核心要点
- 现有方法在关节物体重建中难以有效分离几何、外观和运动参数，导致重建效果不佳。
- 论文提出的StructureGS框架通过引入结构感知指导，利用定向包围盒来约束部件几何形状和相互关系。
- 实验结果显示，StructureGS在关节物体重建中表现出色，生成的部件几何形状清晰，超越了现有技术水平。
📝 摘要（中文）
重建具有多个可动部件的关节物体对于理解物体结构和实现物理交互至关重要。然而，由于几何、外观和运动参数在优化过程中相互纠缠，这一重建任务面临重大挑战。现有方法主要依赖光度监督，常常无法有效分离这些相互依赖的组件，导致部件分解不佳，边界模糊且几何伪影明显。为了解决这一局限性，我们提出了StructureGS，一个集成结构感知指导的3D高斯点云重建框架。该方法利用物体部件的定向包围盒，强制实施空间一致性和结构连通性两个关键结构属性。通过结构感知损失，将显式的结构约束注入优化过程。大量实验表明，我们的方法在关节物体重建中实现了最先进的性能，生成了高质量的结果，部件几何形状清晰可辨。
🔬 方法详解
问题定义：本论文旨在解决关节物体重建中的结构纠缠问题，现有方法在几何、外观和运动参数的优化过程中难以有效分离这些相互依赖的组件，导致重建效果不理想。
核心思路：我们提出的StructureGS框架通过结构感知指导，利用物体部件的定向包围盒来强制实施空间一致性和结构连通性，从而在优化过程中引入显式的结构约束，提升重建质量。
技术框架：整体架构包括数据预处理、结构感知损失计算、3D高斯点云生成和优化阶段。每个模块相互协作，确保部件几何形状的清晰和相互关系的合理。
关键创新：最重要的技术创新在于引入了结构感知损失，通过空间一致性和结构连通性约束，显著改善了部件的几何分解和边界清晰度，与现有方法相比具有本质区别。
关键设计：关键设计包括定向包围盒的构建、损失函数的设计以及优化算法的选择，确保在优化过程中有效地维护部件的几何一致性和物理可行性。通过这些设计，StructureGS能够在复杂场景中实现高质量的重建。
🖼️ 关键图片
📊 实验亮点
实验结果表明，StructureGS在关节物体重建任务中达到了最先进的性能，相较于基线方法，部件几何形状的清晰度提高了显著，具体性能数据未提供，但实验结果显示了明显的质量提升。
🎯 应用场景
该研究在机器人、虚拟现实和增强现实等领域具有广泛的应用潜力。通过高质量的关节物体重建，可以实现更自然的物理交互和更真实的场景模拟，推动智能机器人和虚拟环境的进一步发展。
📄 摘要（原文）
Reconstructing articulated objects with multiple movable parts is essential for understanding object structure and enabling physical interaction. However, this reconstruction task poses significant challenges due to the entanglement of geometry, appearance, and motion parameters during optimization. Existing methods rely primarily on photometric supervision, which commonly fails to disentangle these interdependent components, resulting in poor part decomposition with blurred boundaries and geometric artifacts. To address this limitation, we introduce StructureGS, a reconstruction framework for articulated objects that integrates structure-aware guidance into 3D Gaussian Splatting. Our approach leverages oriented bounding boxes of object parts to enforce two key structural properties: spatial coherence, which constrains each part's geometry to remain compact and spatially coherent within its designated region, and structural connectivity, which enforces physically plausible contact relationships between adjacent parts. These properties are realized through structure-aware losses that inject explicit structural constraints into the optimization process. Extensive experiments demonstrate that our method achieves state-of-the-art performance in articulated object reconstruction, producing high-quality results with well-defined part geometries.