最近，随着人们对 LLM（大型语言模型）和图像生成器的关注，很高兴看到机器学习的一些更小众和不寻常的应用。 GARF （真实世界骨折的通用 3D 重新组装）就是这样的项目之一。
GARF 可能会在缩写词的形成上反复无常，但它当然知道如何在重要的时候保持挑剔。它的全部工作就是检查破损物体的碎片，并准确地找出如何将碎片重新组装在一起，即使有一些缺失的部分或边缘不干净。
从不完美的碎片中重新组装一个物体是一项艰巨的任务。
高效、准确地弄清楚如何将不同的部分重新组装成一个整体并不是一项简单的任务。人们可能认为理论上它可以是暴力破解的，但这样一项工作的复杂性很快就会变得巨大。这就是机器学习方法的用武之地，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（其中计算机生成的物体被破坏并分析以进行训练）中进行概括的挑战，并成功地将其应用于现实世界物体（如骨头、回收的考古文物等）中看到的高度复杂的破坏模式。
该系统本质上是一个高度熟练的 3D 解谜器，但与像拼图解谜拾放机器人这样的东西完全不同。它不是处理具有干净、可预测边缘的平板部件，而是处理具有复杂断裂图案的 3D 扫描碎片，即使边缘不完美或存在丢失部件。
GARF 正是那种值得牢记在心的软件框架，以防有一天它派上用场。 GitHub 存储库包含代码（尽管目前自定义数据集尚未上传），但也有一个演示可供好奇的人使用。
原文： https://hackaday.com/2025/04/13/software-project-pieces-broken-bits-back-together/