Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2601.05237

帮助 | 高级搜索

计算机科学 > 计算机视觉与模式识别

arXiv:2601.05237 (cs)
[提交于 2026年1月8日 ]

标题: ObjectForesight:从人类视频中预测未来3D物体轨迹

标题: ObjectForesight: Predicting Future 3D Object Trajectories from Human Videos

Authors:Rustin Soraki, Homanga Bharadhwaj, Ali Farhadi, Roozbeh Mottaghi
摘要: 人类可以轻松地预测通过交互物体可能的运动或变化——想象一个杯子被提起,一把刀切开,或者一个盖子被关闭。 我们旨在赋予计算系统一种类似的能力,直接从被动的视觉观察中预测合理的未来物体运动。 我们引入了ObjectForesight,这是一个3D物体中心的动力学模型,可以从短时自我视角视频序列中预测刚性物体的未来6-DoF位姿和轨迹。 与传统的在像素或潜在空间中运行的世界或动力学模型不同,ObjectForesight在物体层面以显式3D方式表示世界,从而实现具有几何基础且时间连贯的预测,捕捉物体的可用性和轨迹。 为了大规模训练这样的模型,我们利用分割、网格重建和3D位姿估计方面的最新进展,整理了一个包含200多万个短片段的数据集,带有伪真实3D物体轨迹。 通过大量实验,我们展示了ObjectForesight在准确性、几何一致性以及对未见过的物体和场景的泛化能力方面取得了显著提升,建立了一个可扩展的框架,可以直接从观察中学习物理上合理的、物体中心的动力学模型。 objectforesight.github.io
摘要: Humans can effortlessly anticipate how objects might move or change through interaction--imagining a cup being lifted, a knife slicing, or a lid being closed. We aim to endow computational systems with a similar ability to predict plausible future object motions directly from passive visual observation. We introduce ObjectForesight, a 3D object-centric dynamics model that predicts future 6-DoF poses and trajectories of rigid objects from short egocentric video sequences. Unlike conventional world or dynamics models that operate in pixel or latent space, ObjectForesight represents the world explicitly in 3D at the object level, enabling geometrically grounded and temporally coherent predictions that capture object affordances and trajectories. To train such a model at scale, we leverage recent advances in segmentation, mesh reconstruction, and 3D pose estimation to curate a dataset of 2 million plus short clips with pseudo-ground-truth 3D object trajectories. Through extensive experiments, we show that ObjectForesight achieves significant gains in accuracy, geometric consistency, and generalization to unseen objects and scenes, establishing a scalable framework for learning physically grounded, object-centric dynamics models directly from observation. objectforesight.github.io
评论: 预印本。项目网站:objectforesight.github.io
主题: 计算机视觉与模式识别 (cs.CV)
引用方式: arXiv:2601.05237 [cs.CV]
  (或者 arXiv:2601.05237v1 [cs.CV] 对于此版本)
  https://doi.org/10.48550/arXiv.2601.05237
通过 DataCite 发表的 arXiv DOI(待注册)

提交历史

来自: Homanga Bharadhwaj [查看电子邮件]
[v1] 星期四, 2026 年 1 月 8 日 18:58:08 UTC (1,161 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
许可图标 查看许可
当前浏览上下文:
cs.CV
< 上一篇   |   下一篇 >
新的 | 最近的 | 2026-01
切换浏览方式为:
cs

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号