論文の概要: PanoSeg3R: Feed-Forward 3D Semantic Segmentation for Panoramic Images with an Automatic Data Curation Pipeline
- arxiv url: http://arxiv.org/abs/2609.22687v1
- Date: Sat, 19 Sep 2026 01:42:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-22 20:29:00.51887
- Title: PanoSeg3R: Feed-Forward 3D Semantic Segmentation for Panoramic Images with an Automatic Data Curation Pipeline
- Title（参考訳）: PanoSeg3R:自動データキュレーションパイプラインを用いたパノラマ画像のためのフィードフォワード3次元セマンティックセマンティックセグメンテーション
- Abstract要約: PanoSeg3Rは3Dパノラマセマンティックセマンティックセグメンテーションのためのフィードフォワードフレームワークである。
トレーニング済みの再構築バックボーンをベースとして,クエリベースのマスクデコーダを用いてフィードフォワード3D再構成を拡張した。
PanoSeg3Rはパノラマ3Dセマンティックセマンティックセグメンテーションにおける最先端のパフォーマンスを実現する。
- 参考スコア（独自算出の注目度）: 44.544987435103614
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present PanoSeg3R, a feed-forward framework for 3D panoramic semantic segmentation. Unlike existing methods designed for perspective inputs, PanoSeg3R jointly predicts 3D geometry and multi-view semantic segmentation in one single forward pass. Built upon a pretrained reconstruction backbone that supports panoramic images, our approach extends feed-forward 3D reconstruction with a query-based mask decoder. Furthermore, we introduce an automatic panorama data curation pipeline that leverages the complementary strengths of off-the-shelf foundation models to generate reliable pseudo semantic annotations, substantially expanding the training data and improving zero-shot generalization. PanoSeg3R achieves state-of-the-art performance on panoramic 3D semantic segmentation, improving 3D mIoU by up to 16.02 on ScanNet++, while the curated training data further improves zero-shot performance by up to 4.26 and 43.28 mIoU on Stanford2D3D and ToF-360, respectively. Website: https://harryyoon777.github.io/PanoSeg3R/
- Abstract（参考訳）: 3次元パノラマセマンティックセマンティックセグメンテーションのためのフィードフォワードフレームワークであるPanoSeg3Rを提案する。
パースペクティブ入力用に設計された既存の方法とは異なり、PanoSeg3Rは1つのフォワードパスで3次元幾何学と多視点セマンティックセマンティックセグメンテーションを共同で予測する。
提案手法は,パノラマ画像をサポートする事前トレーニングされた再構築バックボーン上に構築され,クエリベースのマスクデコーダを用いてフィードフォワード3D再構成を拡張する。
さらに、市販の基盤モデルの相補的な強みを利用して、信頼できる擬似意味アノテーションを生成する自動パノラマデータキュレーションパイプラインを導入し、トレーニングデータを大幅に拡張し、ゼロショットの一般化を改善する。
PanoSeg3Rはパノラマ3Dセマンティックセグメンテーションの最先端性能を実現し、ScanNet++の3D mIoUを最大16.02改善した。
ウェブサイト:https://harryyoon777.github.io/PanoSeg3R/
関連論文リスト
- FastPano3D: Feed-Forward Indoor Panoramic 3D Reconstruction from a Single Image [5.543213546428594]
FastPano3Dは、単一のパノラマ画像からレンダリング可能な3Dガウス表現を直接生成するエンドツーエンドフレームワークである。
提案手法は,高忠実度3Dシーンを数秒で再構成し,従来の最先端手法よりも最大156倍高速な推論を実現する。
論文 参考訳（メタデータ） (2026-06-29T14:23:12Z) - Pano3D: Unified 3D Reconstruction and Panoptic Segmentation [68.18993232814061]
統合されたフレームワークで3次元再構成と3次元パノプティクスのセグメンテーションを行う手法を提案する。
既存の3次元再構成モデルを構築し,それをマスクデコーダで拡張する。
提案手法は,ScanNet,ScanNet200,ScanNet++データセット間の3次元パノプティクスセグメンテーションにおける最先端性能を実現する。
論文 参考訳（メタデータ） (2026-06-12T09:43:13Z) - EPS3D: End-to-End Feed-Forward 3D Panoptic Segmentation [92.9295124221522]
EPS3Dは、オープンな3Dパノラマセグメンテーションのためのエンドツーエンドフィードフォワードフレームワークである。
マルチビューイメージからセマンティックとインスタンスの機能を予測し、3D一貫性を改善し、エラーの蓄積を避ける。
ロボット操作や3Dシーン編集などのタスクをサポートする。
論文 参考訳（メタデータ） (2026-06-08T03:26:54Z) - MV-SAM: Multi-view Promptable Segmentation using Pointmap Guidance [79.57732829495843]
本稿では,ポイントマップを用いた3次元一貫性を実現する多視点セグメンテーションフレームワークMV-SAMを紹介する。
MV-SAMは画像を持ち上げて3D空間にプロンプトし、明示的な3Dネットワークや注釈付き3Dデータを必要としない。
論文 参考訳（メタデータ） (2026-01-25T15:00:37Z) - PanSt3R: Multi-view Consistent Panoptic Segmentation [10.781185925397493]
我々は、本質的には3Dとマルチビューの問題に対する2次元パノプティクスのセグメンテーションに頼ることが、おそらく最適であると主張している。
そこで我々はPanSt3Rと統合されたアプローチを提案し,テスト時間最適化の必要性を排除した。
PanSt3Rは概念的にはシンプルだが高速でスケーラブルで、いくつかのベンチマークで最先端のパフォーマンスを実現している。
論文 参考訳（メタデータ） (2025-06-26T15:02:00Z) - 3D Reconstruction with Spatial Memory [9.282647987510499]
本稿では,順序付きあるいは順序なしの画像コレクションから高密度な3次元再構成を行う新しいアプローチであるSpann3Rを提案する。
DUSt3Rパラダイムに基づいて構築されたSpann3Rは、トランスフォーマーベースのアーキテクチャを使用して、シーンやカメラパラメータに関する事前の知識を必要とせずに、画像から直接ポイントマップを回帰する。
論文 参考訳（メタデータ） (2024-08-28T18:01:00Z) - PointSeg: A Training-Free Paradigm for 3D Scene Segmentation via Foundation Models [20.379104447051155]
我々は、市販の視覚基盤モデルを利用して、3Dシーン認識タスクに対処する学習自由パラダイムであるPointSegを提案する。
PointSegは正確な3Dプロンプトを取得してフレーム間で対応するピクセルを調整することで、任意の3Dシーンを分割することができる。
ScanNet、ScanNet++、KITTI-360データセット上の14.1$%、12.3$%、12.6$%のmAPは、最先端のトレーニングフリーモデルを大きく上回っている。
論文 参考訳（メタデータ） (2024-03-11T03:28:20Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。