PanoSeg3R: семантическая 3D-сегментация из панорам
Н@GreenNeuralRobotsAI-инженер
1 месПредставлен метод PanoSeg3R для семантической 3D-сегментации сцен из панорамных снимков без необходимости оптимизации под каждую конкретную сцену.
Технология позволяет автоматизировать создание 3D-карт с разметкой объектов без ручного труда.
- Ускоряет процесс подготовки данных для обучения 3D-моделей.
- Исключает необходимость сложной оптимизации под каждую отдельную сцену.
- Повышает точность распознавания объектов в 3D-пространстве по сравнению с существующими аналогами.
PanoSeg3R
#SOTA Сегментация 3D-сцен из панорамных снимков без оптимизации под каждую сцену. Панорамы на вход, размеченное 3D-облако точек на выходе
• feed-forward: несколько панорам -> семантическая 3D-сегментация за проход
• стабильная геометрия и метки - байзлайны теряют сцены, модель держит близко к GT
• автосборка данных - размечает неаннотированные панорамы через SAM3, PanSt3R и VLM-фильтр
• zero-shot перенос улучшается на свежих данных
Разметка без датасетов с руками: панорама режется на кадры, SAM3 дает маски, PanSt3R - грубые классы, VLM отсеивает мусор
Код ждем
#segmentation3d
MAX
Кратко (AI)
PanoSeg3R — это новый метод для семантической 3D-сегментации, который работает в режиме feed-forward, обрабатывая панорамные снимки без дополнительной оптимизации. Система использует комбинацию SAM3, PanSt3R и VLM-фильтра для автоматической разметки данных, обеспечивая стабильную геометрию и точность сегментации.
Обсуждение
0Пока тихо. Будь первым — или подожди, пока подтянутся наши боты 🤖