ArticuTable：从桌面照片恢复能开合的物体和可加载场景
关节拟合、语义行程与逐级配准如何接成资产管线
ArticuTable把单图桌面重建拆为实例资产、关节恢复和场景配准。GRAM用几何接触提出关节候选，再由多模态模型校正轴与枢轴、推断物体自身行程；PSGSR按点云、合成俯视图、原视图逐级缩小姿态和尺度搜索。最终输出URDF及自包含USDZ，而非只有可观看的网格。完整附录区分了100场景的加载检查、425个候选资产的人工审核和代表场景的动态演示。
图解主要方法
静态图像重建如何交付含关节、碰撞和正确初态的可交互资产？
- 1
先找实例，再赋语义与独立重建
以通用tabletop item概念分割原图和合成俯视图，按桌面归一化横向范围、面积与相对位置做匈牙利匹配。原图未匹配对象仍保留，俯视图独有对象不新增，减少幻觉实例；TRELLIS.2从目标条件图生成独立网格。
- 2
从几何基元建立运动树
P3-SAM逐面分割，五个正交视角RGB/部件ID渲染供模型合并刚性共动部分并预测父子关系。铰链由接触PCA、旋转轴由平面圆拟合、滑轨由子件PCA提供候选；多模态全局证据选择或纠正，移动的是完整子树。
- 3
分离规范零位、观测状态和本体行程
几何闭合恢复零位，模型结合功能推断最大角度或滑动范围；轴与拓扑保持固定。滑轨扫描用少于5%接触样本仍贴近父体判断脱轨。导出时烘焙零位变换，记录mesh/scene状态；周围物体限制的可动区间单独保存，不覆盖本体URDF行程。
- 4
逐级解决场景尺度与姿态歧义
VGGT点云先以估计桌宽定尺度，再点云粗配准、俯视平面调整、原视图细调。SASPS用DINOv2双向特征匹配并以RGB/法向局部结构加权候选yaw，选方向后用轮廓IoU与SDF联合优化；高度受支撑接触约束。
- 5
导出时区分可视、碰撞与动力学状态
中间URDF写GLB视觉与OBJ碰撞；最终USDZ普通刚体用凸分解、关节link用原几何SDF，避免凸包填死容器。Z-up米制、重力9.81，关节驱动刚度/阻尼均0，基座不固定；相对路径打包后重新加载检查状态。
实验与证据
正文和附录A–G全文已读，图2原图已检查；仓库递归树、README、官方项目及ArticuTable-100文件入口已打开；未下载20GB数据或运行付费API。
来源证据150张参考图由图像模型生成，无配对真实3D；兼容时基线统一TRELLIS.2与GPT-5。 4.1；附录D.1 ↗
我的解读改善输入视图相似性不等于恢复真实形状；检索型基线保持自身机制，不能称全部上游完全一致。
来源证据LPIPS0.2398对TabletopGen0.3935；对象对碰撞0.3819%对1.4488%，场景碰撞10.67%对16%。 表1；附录D.1 ↗
我的解读碰撞排除与桌面的对象对，只检查初始态；不包括整个关节运动过程无碰撞保证。
来源证据Lightwheel243资产，精度91.15、召回46.54，轴角17.26°、位置误差0.034。 表2；附录D.2 ↗
我的解读对照须按图像/网格输入分组；任务免微调不等于基础模型未训练，若只报精度会掩盖召回弱项。
来源证据425候选中418可判，346通过、55部分、17失败；527预测关节中454通过。 附录D.3表6 ↗
我的解读关节统计只包含预测出来的关节；4个明确漏关节计资产失败、7个不可判断排除，多关节资产取最差结果。
来源证据第二专家随机复核85资产，最终资产一致率83.5%，κ0.476。 附录D.3表7 ↗
我的解读通过率有人工判断边界；结构加权κ0.474、运动0.659，不能只引高表面一致率。
来源证据2×2消融关节拟合平均AE40.06°→17.17°；语义行程Art.PC0.2605→0.2502。 表3、8；附录D.5 ↗
我的解读消融是独立运行，不和表2混用。仅关节拟合Art.PC0.2653反差于两者均无0.2556，组合才到0.2452，模块并非每指标独立单调获益。
来源证据59人各评10场景，590排名/方法，首选85.59%、前二98.14%。 表5；附录D.6 ↗
我的解读同一参与者多次评价，不是590独立受试者；年龄18–34，55.9%无CG经验，结论主要是所展示场景的视觉偏好。
来源证据4090上PSGSR平均141.4±14.0秒/场景，原视图103.3秒；两示例前视独立搜索374.8对179.4秒。 附录F表9–10 ↗
我的解读141秒只涵盖配准而非完整图像生成/资产/关节/API；2.09倍加速来自两示例，不能外推150场景整体管线。
来源证据100包检查加载和零步初态；动态重力、无刚性绑定的箱内物体运输和开盖展示于代表场景。 附录G ↗
我的解读表11提供SDF128、子格6、接触偏移2mm等复现实参；这证明部分可执行交互，未给出全数据动态成功率。
开放情况与使用许可
仓库包含pipeline、gram、psgsr和prompts实际实现；ArticuTable-100提供约20GB Google Drive文件入口，已见articutable_100.tar但未验证完整包。依赖多个外部模型与OpenAI API，未见根目录或递归树LICENSE，暂不标为许可明确的开源发布。
LICENSE论文为arXiv非独占分发许可；图2用于必要方法评论并保留署名。代码与数据许可仍待明确，不能从可下载推断商用或再分发权。
我的判断
独立分析 · 未复现实验正方 · 为什么值得投入
150图上LPIPS0.2398、DINOv2相似度0.8991，碰撞场景比例10.67%；生成关节人工审核在418个可判断资产中82.8%通过。
Lightwheel轴角误差17.26°优于Particulate20.90°，且提供URDF到USDZ的坐标、状态和碰撞导出规范。
反方 · 哪些结论还不够
Particulate的召回51.50、Art.gIoU0.305、OC0.009仍优于GRAM46.54、0.283、0.014，不能概括成关节各项都最好。
150张参考图是生成图；GPT-5同时参与管线及评价，人类偏好也主要看外观，均不等于真实动力学精度。
100场景全部做包与初态检查，但动态编辑/搬运/开盖验证只有代表场景，不能宣称100个均经过完整交互压力测试。
综合判断
这是具备实际实现的可交互3D资产管线，价值在关节与场景交接；更适合生成可人工验收的仿真起点，尚不能当作物理数字孪生的自动认证。
我会先做的验证
建议实验（尚未执行）：在具有扫描、关节真值和实测物性的真实桌面集上复现；逐包遍历全部关节行程并测碰撞、掉件和状态漂移，加入UV/PBR重光照检查，以及随机更换物体后的场景约束测试。