Reconstruction and Simulation of Elastic Objects with Spring-Mass 3D Gaussians

重构和模拟弹性物体是计算机视觉和机器人应用中至关重要的。现有的方法，如3D高斯，提供了3D外观和几何建模，但缺乏模拟物理属性或优化异质性物体参数的能力。我们提出了Spring-Gaus，这是一个新颖的框架，将3D高斯与基于物理的模拟集成在一起，用于从多视角视频重构和模拟弹性物体。我们的方法利用了一个3D弹簧-质量模型，使得能够在单个点级别上优化物理参数，同时解耦物理和外观的学习。这种方法实现了很好的样本效率，增强了泛化能力，并减少了对模拟粒子分布的敏感性。我们在合成和真实数据集上评估了Spring-Gaus，展示了弹性物体的准确重构和模拟。这包括在不同的初始状态和环境参数下进行未来预测和模拟。项目页面：https://zlicheng.com/spring_gaus。

论文旨在解决从视觉观察中重建和模拟弹性物体的问题，特别是在物理属性和参数优化方面的挑战。

Spring-Gaus是一种新颖的框架，将3D高斯模型与基于物理的模拟相结合，利用3D弹簧质点模型优化物理参数，实现对弹性物体的准确重建和模拟。

Spring-Gaus在合成和真实数据集上得到了验证，包括未来预测和在不同初始状态和环境参数下的模拟。该方法具有高效的样本利用率，增强了泛化能力，降低了对模拟粒子分布的敏感性。

近期的相关研究包括基于深度学习的物理模拟方法、基于质点和弹簧的物理模型等。