論文の概要: Lang3DSeg: Annotation-Free Open-Vocabulary 3D Segmentation with Point Transformers
- arxiv url: http://arxiv.org/abs/2610.00855v1
- Date: Thu, 01 Oct 2026 00:15:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-03 01:19:23.815589
- Title: Lang3DSeg: Annotation-Free Open-Vocabulary 3D Segmentation with Point Transformers
- Title（参考訳）: Lang3DSeg: Annotation-free Open-Vocabulary 3D Segmentation with Point Transformers
- Abstract要約: 本稿では,屋外3次元LiDARの開語彙セグメンテーションのバックボーンとして点変換器を確立するLang3DSegを提案する。
すべての3Dセマンティックセグメンテーションは単一のLiDARスイープ上にあり、推論は視覚言語モデルを実行せずにリアルタイムで実行される。
Lang3DSegは、nuScenes検証で52.8% mIoU、SemanticKITTIで41.4%を達成した。
- 参考スコア（独自算出の注目度）: 7.178193617198894
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Accurate 3D semantic perception is critical for safe autonomous navigation. However, supervised LiDAR segmentation remains tied to closed taxonomies and to the cost of point-wise manual annotation. Open-vocabulary methods avoid that cost by projecting the output of 2D vision-language models onto LiDAR and distilling it into a 3D network. These methods rely almost exclusively on voxel-based sparse convolutions, and point transformers have so far been limited to indoor environments, where 3D data is dense and bounded. We present Lang3DSeg, which establishes a point transformer as the backbone for annotation-free open-vocabulary segmentation of outdoor 3D LiDAR, and is trained from scratch without geometric pre-training. This training paradigm necessitates addressing the inherent noise in 2D-to-3D label projections; specifically, naive projection often suffers from depth ambiguity, where points behind an object are erroneously assigned its semantic label. We therefore composite masks using an explicit class-priority rule and truncate each projected instance at the first gap in its depth distribution, correcting the projection error directly rather than averaging it over registered sequences. Lang3DSeg achieves 52.8% mIoU on nuScenes validation and 41.4% on SemanticKITTI, the highest among published annotation-free methods on both benchmarks. Every 3D semantic segmentation is on a single LiDAR sweep, and inference operates in real-time without running vision-language models.
- Abstract（参考訳）: 正確な3Dセマンティック認識は、安全な自律ナビゲーションに不可欠である。
しかし、監督されたLiDARセグメンテーションは、クローズドな分類学と、ポイントワイドな手動アノテーションのコストに結びついている。
オープン語彙法は、2次元視覚言語モデルの出力をLiDARに投影し、それを3Dネットワークに蒸留することにより、そのコストを回避する。
これらの手法はほとんどがボクセルベースのスパース畳み込みに依存しており、ポイントトランスフォーマーは3次元データが密集して有界な屋内環境に限られている。
本稿では、3次元LiDARの無アノテーション開語彙セグメント化のバックボーンとしてポイントトランスフォーマーを確立するLang3DSegについて述べる。
この訓練パラダイムは、2次元から3次元のラベル投影において固有のノイズに対処する必要がある。
したがって、明示的なクラスプライオリティ規則を用いて複合マスクを合成し、各投射されたインスタンスをその深さ分布の第一のギャップで切り離し、登録シーケンス上で平均化するのではなく、直接投影誤差を補正する。
Lang3DSegは、nuScenes検証で52.8% mIoU、SemanticKITTIで41.4%を達成した。
すべての3Dセマンティックセグメンテーションは単一のLiDARスイープ上にあり、推論は視覚言語モデルを実行せずにリアルタイムで実行される。
関連論文リスト
- SplatLabel: Pseudo-Labelling through 4D Gaussian Splatting [10.945807584683726]
SplatLabelは4次元ガウス表現を利用して予測信頼度でLiDARセグメンテーションを抽出する自動パイプラインである。
SplatLabelは、個々の3Dプリミティブの軌跡と寿命をモデル化する明示的な時間多様体を通じて動的環境を処理する。
Semantic KITTIの実験では、SplatLabelは複数のリコールレベルにわたる最先端のベースラインを一貫して上回っている。
論文 参考訳（メタデータ） (2026-09-24T14:05:59Z) - Geometry Without Coordinates: LiDAR Diffusion as a 3D Feature Bridge [0.0]
既成2次元基礎モデルから擬似ラベルを訓練したLiDAR条件拡散モデルを提案する。
モデルはLiDARで条件付けされているため、出力と中間のUNet機能はインプットポイントクラウドに投影することができる。
我々は,この表現を,生空間座標を明示的に除いた点-雲空間で直接研究する。
論文 参考訳（メタデータ） (2026-09-09T15:26:35Z) - PointGS: Semantic-Consistent Unsupervised 3D Point Cloud Segmentation with 3D Gaussian Splatting [15.208505879476418]
教師なしのポイントクラウドセグメンテーションは、人工知能と自律運転に不可欠である。
本稿では,教師なし3次元点雲分割のための簡易かつ効果的なパイプラインであるPointGSを提案する。
実験により、PointGSは最先端の教師なし手法より優れていることが示された。
論文 参考訳（メタデータ） (2026-05-12T04:44:50Z) - ALISE: Annotation-Free LiDAR Instance Segmentation for Autonomous Driving [9.361724251990154]
アノテーションなしでLiDARインスタンスセグメンテーションを実行する新しいフレームワークであるALISEを紹介する。
我々のアプローチは、テキストと画像でガイドされたビジョンファウンデーションモデル(VFM)を用いて、初期の擬似ラベルを生成することから始まります。
そして、これらのラベルを、オフラインとオンラインの両方の最適化のために2Dと3Dのセマンティクスを組み合わせた専用の手動時間投票モジュールで洗練します。
この包括的な設計により、パフォーマンスが大幅に向上し、教師なしの3Dインスタンスセグメンテーションのための新しい最先端技術が確立される。
論文 参考訳（メタデータ） (2025-10-07T10:15:18Z) - Integrating SAM Supervision for 3D Weakly Supervised Point Cloud Segmentation [66.65719382619538]
3Dセマンティックセグメンテーションの現在の手法では、大きな、不規則な、秩序のない3Dポイントクラウドデータの注釈付けの難しさに対処するため、限定アノテーション付きトレーニングモデルが提案されている。
本稿では,2次元基礎モデルから生成したセグメンテーションマスクを組み込んだ,疎可な3次元アノテーションの有用性を最大化する手法を提案する。
論文 参考訳（メタデータ） (2025-08-27T14:13:01Z) - 3D Can Be Explored In 2D: Pseudo-Label Generation for LiDAR Point Clouds Using Sensor-Intensity-Based 2D Semantic Segmentation [3.192308005611312]
そこで我々は,3次元セマンティックセマンティックセマンティクスパイプラインを導入し,アライメントシーンと最先端2次元セマンティクス手法を利用した。
本手法は,センサ強度で色付けされたLiDARスキャンから2次元ビューを生成し,これらのビューに2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を適用した。
分割された2D出力は3Dポイントにバックプロジェクターされ、単純な投票ベースの推定器が使用される。
論文 参考訳（メタデータ） (2025-05-06T08:31:32Z) - Training an Open-Vocabulary Monocular 3D Object Detection Model without 3D Data [57.53523870705433]
我々はOVM3D-Detと呼ばれる新しいオープン語彙単分子オブジェクト検出フレームワークを提案する。
OVM3D-Detは、入力または3Dバウンディングボックスを生成するために高精度のLiDARや3Dセンサーデータを必要としない。
オープンボキャブラリ2Dモデルと擬似LiDARを使用して、RGB画像に3Dオブジェクトを自動的にラベル付けし、オープンボキャブラリ単分子3D検出器の学習を促進する。
論文 参考訳（メタデータ） (2024-11-23T21:37:21Z) - Bayesian Self-Training for Semi-Supervised 3D Segmentation [59.544558398992386]
3Dセグメンテーションはコンピュータビジョンの中核的な問題である。
完全に教師されたトレーニングを採用するために、3Dポイントクラウドを密にラベル付けすることは、労働集約的で高価です。
半教師付きトレーニングは、ラベル付きデータの小さなセットのみを付与し、より大きなラベル付きデータセットを伴って、より実用的な代替手段を提供する。
論文 参考訳（メタデータ） (2024-09-12T14:54:31Z) - Cylindrical and Asymmetrical 3D Convolution Networks for LiDAR-based
Perception [122.53774221136193]
運転時のLiDARに基づく認識のための最先端の手法は、しばしば点雲を2D空間に投影し、2D畳み込みによって処理する。
自然な対策として、3Dボクセル化と3D畳み込みネットワークを利用する方法がある。
本研究では,3次元幾何学的パターンを探索するために,円筒状分割と非対称な3次元畳み込みネットワークを設計する,屋外LiDARセグメンテーションのための新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2021-09-12T06:25:11Z) - Cylindrical and Asymmetrical 3D Convolution Networks for LiDAR
Segmentation [81.02742110604161]
大規模運転シーンのLiDARセグメンテーションのための最先端の手法は、しばしば点雲を2次元空間に投影し、2D畳み込みによって処理する。
そこで我々は,3次元幾何学的パタンを探索するために,円筒分割と非対称な3次元畳み込みネットワークを設計する,屋外LiDARセグメンテーションのための新しいフレームワークを提案する。
提案手法はセマンティックKITTIのリーダーボードにおいて第1位を獲得し,既存のnuScenesの手法を約4%のマージンで上回っている。
論文 参考訳（メタデータ） (2020-11-19T18:53:11Z) - Complete & Label: A Domain Adaptation Approach to Semantic Segmentation
of LiDAR Point Clouds [49.47017280475232]
3次元点雲のセマンティックラベリングにおける教師なし領域適応問題について検討する。
セグメンテーションネットワークに渡す前に、基盤となる表面を復元するためにComplete と Label のアプローチを採用する。
回収された3D表面は標準領域として機能し、そこからセマンティックラベルが異なるLiDARセンサー間で転送される。
論文 参考訳（メタデータ） (2020-07-16T17:42:05Z)
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。