Cross-Method Comparison · experiment detail

2026-04-22 15:30:00 UTC

chair_real.jpg Multi-Method Probe

把同一张真实椅子图分别送进 `PhysX-Anything / PartPacker / OmniPart / PAct / SINGAPO / TRELLIS2`。这页把各方法的真实输出并排放在一起，同时明确写出每条链是否需要额外 mask、graph prior，或在哪个阶段失败。

comparisonreal-imagechairPhysX-AnythingPartPackerOmniPartPActSINGAPOTRELLIS2

2026-04-22 15:30:00 UTCTimestamp

6Assets

activeStatus

chair_real.jpg Multi-Method Probe cover image

Assets

Interactive Asset

PhysX-Anything

官方四段链直接处理 `chair_real.jpg`。结果将其识别为 `Swivel Chair`，拆成 `Backrest / Seat / Pedestal` 三个静态 part，并导出 `sample.glb + basic.urdf + basic.xml`。

下载 sample.glb 下载 basic_info.json 下载 articulated_blueprint.json 下载 basic.urdf

3predicted parts

0predicted joints

Furniturecategory

PhysX-Anything Input real image — Input real image

PhysX-Anything official sample.glb

这是 PhysX-Anything 官方 decoder 的 mesh-only 输出。该例最终 `group_info` 只有固定组，没有显式 articulated joint。

Interactive Asset

PartPacker

直接将同一张 `chair_real.jpg` 送入 PartPacker 官方 flow 推理。输出了完整 `chair_real_0.glb`，并分出 `2` 个 visible parts 与 `2` 个 dual-volume 视图。

下载 full GLB 下载 part0.glb 下载 part1.glb 下载 vol0.glb 下载 vol1.glb

2predicted parts

50 / 384steps / grid

officialflow config

PartPacker full object

默认展示 PartPacker 的完整物体 GLB。下方下载区同时保留两个 part GLB 和两个 volume GLB，方便直接看它的部件分解粒度。

Interactive Asset

OmniPart

用 `chair_real.jpg` 的桥接 mask 作为条件，走 OmniPart 的 bbox + part synthesis 链。结果导出了 textured 和 segmented 两个 GLB，并给出了 `9` 个 part bbox。

下载 textured GLB 下载 segmented GLB 下载 bbox numpy

9predicted bboxes

25inference steps

mask-conditionedinput mode

OmniPart Input real image — Input real image

OmniPart Input image + mask visualization — Input image + mask visualization

OmniPart textured mesh

默认展示 OmniPart 的 textured mesh。它依赖额外 mask 条件，所以这更像基于 chair_real 的桥接运行，而不是纯单 RGB 无条件推理。

Interactive Asset

PAct

先用 Appendix-D 风格 `VLM + SAM2` 预处理拿到 `processed.png + mask.exr`，再送入 PAct 官方推理。正式生成成功，最终导出 `11` 个节点、含 `fixed / revolute / prismatic` 的 articulated object。

下载 assembled_object.glb 下载 object.json 下载 bbox_3d.glb 下载 joint_motion.mp4 下载 stage0_granularity.json 下载 stage1_classification.json 下载 stage2_merge.json

11predicted nodes

fixed / rev / prisjoint families

official + Appendix-Dpipeline

PAct Input real image — Input real image

PAct Appendix-D SAM2 overlay — Appendix-D SAM2 overlay

PAct Merged part mask — Merged part mask

PAct PAct conditioning grid — PAct conditioning grid

PAct Predicted 3D bounding boxes — Predicted 3D bounding boxes

PAct Predicted kinematic tree — Predicted kinematic tree

Joint motion animation rendered from object.json

PAct assembled object

默认展示从 `object.json + part_i.glb` 装配出的完整物体。左侧保留了 chair_real 的 mask 预处理和条件网格，可直接核对 PAct 的输入条件。

Interactive Asset

SINGAPO

SINGAPO 本身是 graph-conditioned articulated generation，所以这次对 `chair_real.jpg` 采用了一个贴近椅子的手工 graph prior，再让模型生成结构输出。结果成功导出了树和 3D bbox，但语义明显受限于它的 appliance-style 词表。

下载 pred_graph.json 下载 object.json 下载 bbox_3d.glb

4predicted nodes

fixed / prismaticjoint types

graph-conditionedinput mode