NeurIPS 2020提出的Generative-3D-Part-Assembly技术，运用动态图学习实现生成式3D零件装配

通过动态图学习生成3D零件 这是NeurIPS实施2020纸通过创建“通过动态图形学习剖成3D零件组装” ， ，， ，，，和。 提出了动态图学习框架。迭代图神经网络主干将一组零件点云作为输入，并进行5次图形消息传递迭代，以进行从粗到精的零件装配优化。图形动力学被编码为两个折叠，（a）从零件姿态估计中推论零件关系（图形结构），这又从更新后的零件关系演变而来；以及（b）通过汇总所有节点关系来更新节点集。几何等效部分（红色和紫色节点）（例如两个椅子臂）合并为一个节点（黄色节点），以便在稀疏节点集上执行偶数时间步的图学习，并将这些节点解集到密集节点集以进行奇怪的时间步长。注意，某些时间步长的图学习中不包括半透明节点和边。 档案结构 该存储库提供以下数据和代码。 data/ # contains PartNet data partn