Gaga: Effiziente 3D-Segmentierung von Objekten in offenen Szenen durch Gruppierung von Gaussians
Gaga rekonstruiert und segmentiert 3D-Szenen, indem es inkonsistente 2D-Masken, die von Nullshot-Segmentierungsmodellen vorhergesagt werden, effektiv nutzt. Durch die Verwendung einer 3D-bewussten Speicherbank können Gaga-Masken über verschiedene Ansichten hinweg konsistent zugeordnet werden, was zu präziseren 3D-Segmentierungsergebnissen führt.
Umfassende 3D-Dichtbeschriftung in Außenszenen
Wir führen die neue Aufgabe der 3D-Dichtbeschriftung in Außenszenen ein, die LiDAR-Punktwolken und panoramische RGB-Bilder als Eingabe verwendet und eine Reihe von Objektboxen mit Beschriftungen als Ausgabe erwartet. Um diese Aufgabe zu bewältigen, schlagen wir das TOD3Cap-Netzwerk vor, das die BEV-Darstellung nutzt, um Objektboxvorschläge zu generieren, und Relation Q-Former mit LLaMA-Adapter integriert, um für diese Objekte aussagekräftige Beschriftungen zu generieren. Wir stellen auch den TOD3Cap-Datensatz vor, den größten uns bekannten für 3D-Dichtbeschriftung in Außenszenen, der 2,3 Millionen Beschreibungen von 64.300 Außenobjekten aus 850 Szenen in nuScenes enthält.
Effiziente und mehrstufige Belegungsvorhersage mit Octree-Abfragen
Das vorgeschlagene OctreeOcc-Verfahren nutzt die Octree-Darstellung, um die 3D-Szene adaptiv mit variabler Granularität zu erfassen, um die Genauigkeit der Belegungsvorhersage zu verbessern und den Rechenaufwand im Vergleich zu dichten Gitterdarstellungen zu reduzieren.
Effiziente 3D-Instanzenkartierung und -lokalisierung mit neuronalen Feldern
3DIML ist ein effizientes Verfahren zum Lernen einer 3D-konsistenten Instanzensegmentierung aus einer Sequenz von RGB-Bildern mit Pose-Informationen. Es umfasst zwei Phasen: InstanceMap zur Erzeugung konsistenter Pseudolabel-Masken und InstanceLift zum Trainieren eines neuronalen Labelfelds, das Lücken schließt und Mehrdeutigkeiten auflöst. Zusätzlich ermöglicht InstanceLoc eine schnelle Lokalisierung von Instanzen in neuen Ansichten.
Visuelle Programmierung für nullschuss-offene-Vokabular-3D-visuelle Verankerung
Unser Ansatz eliminiert die Notwendigkeit umfangreicher Annotationen und vordefinierter Vokabulare für 3D-visuelle Verankerung, indem er eine visuelle Programmierung nutzt, die mit Großsprachmodellen zusammenarbeitet.
Offener Wettbewerb zur 3D-Szenenverständnis mit freiem Vokabular: Ergebnisse des ersten OpenSUN3D-Workshops
Dieser Bericht bietet einen Überblick über den Wettbewerb, der im Rahmen des OpenSUN3D-Workshops zur offenen Vokabular-3D-Szenenverständnis auf der ICCV 2023 ausgetragen wurde. Das Ziel des Wettbewerbs war es, Methoden zur Segmentierung von Objektinstanzen in 3D-Szenen basierend auf freien Textbeschreibungen zu entwickeln.
Ein KI-Agent für das Verständnis von 3D-Szenen ohne vorherige Trainings
Agent3D-Zero ist ein innovativer 3D-bewusster Agenten-Rahmen, der das Verständnis von 3D-Szenen in einer Zero-Shot-Weise ermöglicht, indem er ein Großes Visuelles Sprachmodell (VLM) aktiv nutzt, um informative Ansichten auszuwählen und zu analysieren.
Semantisch bewusste selbstüberwachte Repräsentationslernung für das 3D-Verständnis
Unser Ansatz GroupContrast kombiniert Segmentgruppierung und semantisch bewusste kontrastive Repräsentationslernung, um die semantische Kohärenz in 3D-Punktwolken zu verbessern und die Probleme des "semantischen Konflikts" zu lösen.
Umfassende Studie zur 3D-Dichtbeschriftung: Lokalisierung und Beschreibung von Objekten in 3D-Szenen
3D-Dichtbeschriftung zielt darauf ab, natürlichsprachliche Beschreibungen für Objekte in 3D-Szenen zu generieren, indem 3D-Punktwolken-Daten analysiert werden.
© 2024 by Linnk AI