最近，人们对LLM（大型语言模型）和图像发生器的所有关注都很高兴，很高兴看到机器学习的一些更奇妙和不寻常的应用。 加夫（（g可努力的3D RE一个SSemblyr伊尔世界f衣）就是这样一个项目。
Garf可能会通过首字母缩略词的形式快速而松散，但是当它计算时，它肯定知道如何挑剔。它的整个工作是要查看一个破碎的物体的碎片，并准确地弄清楚如何将碎片重新放在一起，即使有一些缺少的位或边缘干净。
有效，准确地弄清楚如何将不同的部分重新组装成整体并不是一项琐碎的任务。人们可能会认为这可以是野蛮的，但是这种工作的复杂性迅速变得巨大。这就是机器学习方法进入的地方，因为研究人员创建了一个可以做到这一点的系统。它解决了从合成数据集概括的挑战（其中计算机生成的对象被打破和分析以进行训练），并成功地将其应用于在骨骼，回收的考古文物等现实世界对象中看到的高度复杂的破裂模式。
该系统本质上是一个高度熟练的3D拼图求解器，但与类似的野兽完全不同这个拼图拼图解决拾取机器人。即使边缘不完善或缺少碎片，它也没有在带有干净，可预测的边缘的平坦零件上处理3D扫描的片段。
GARF正是那种软件框架，值得一试，以防万一有一天派上用场。这GitHub存储库包含代码（尽管目前尚未上传自定义数据集），但也有一个可用于好奇的演示。