論文の概要: Domain Adaptation of SAM 2.1 for Building-Component Segmentation in Image-Based 3D Reconstruction

• arxiv url: http://arxiv.org/abs/2610.12786v1
• Date: Thu, 08 Oct 2026 22:43:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-13 04:06:29.309496
• Title: Domain Adaptation of SAM 2.1 for Building-Component Segmentation in Image-Based 3D Reconstruction
• Title（参考訳）: 3次元画像再構成におけるSAM 2.1の領域適応
• Abstract要約: この研究は、42棟の建物から2,679枚の注釈付き画像からなるHBDデータセット上でSAM 2.1を微調整した。 その結果、mIoUは49.9%から69.6%に改善され、クラスセグメンテーションは有意義に改善された。
• 参考スコア（独自算出の注目度）: 4.588028371034406
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: 3D reconstruction of building components using image-based scanning requires appropriate segmentation of the objects in the 2D building images. In order to benefit from consistent grouping of the 2D masks in 3D environments, vision foundation models such as the Segment Anything Model have been utilized by Group Anything with Radiance Fields (GARField) to perform 3D segmentation. This study fine-tuned SAM 2.1 on the HBD dataset, consisting of 2,679 annotated images from 42 buildings, to enhance multi-class segmentation of 2D building images, covering 11 classes (Wall, Window, Ceiling, Door, Column, Beam, Floor, Opening, Curtain Wall, Roof, and Lift). The model was evaluated using per-class IoU, Dice, and mIoU metrics, and the results show an improvement in mIoU from 49.9% to 69.6%, indicating a meaningful improvement in class segmentation and providing a more accurate model for distilling the masks in 3D. SegFormer was then used as a baseline, generating per-class masks for comparison with SAM 2.1, which indicates improvement in some object classes with larger surface area. The masks in the building images were grouped in the neural radiance field, and the pretrained SAM 2.1 was compared with the fine-tuned SAM 2.1 in the newly rendered images. This comparison shows that fine-tuning improves the grouping of building components at a user-selected grouping scale. This advances the application of Group Anything with Radiance Fields (GARField) in 3D, enabling better segmentation of building structures for 3D auto-reconstruction.
• Abstract（参考訳）: 画像ベーススキャンによる建築部品の3次元再構成には,2次元建築画像中の対象物の適切なセグメンテーションが必要である。 3D環境における2Dマスクの一貫したグループ化の恩恵を受けるため、セグメンツ・アセシング・モデルのような視覚基礎モデルは、放射場を用いたグループ・アセシング(GARField)によって3Dセグメンテーションに利用されてきた。 この研究は、42の建物から2,679枚の注釈付き画像からなるHBDデータセットでSAM 2.1を微調整し、11のクラス(壁、ウィンドウ、シーリング、ドア、コロン、ビーム、フロア、開口、カーテンウォール、ルーフ、リフト)をカバーする2Dビルディングイメージのマルチクラスセグメンテーションを強化した。 このモデルは、クラスごとのIoU、Dice、mIoUの測定値を用いて評価され、その結果、mIoUは49.9%から69.6%に改善され、クラスセグメンテーションが有意に改善され、3Dでマスクを蒸留するためのより正確なモデルが提供された。 次にSegFormerはベースラインとして使われ、SAM 2.1と比較してクラスごとのマスクを生成した。 建築画像のマスクは神経放射界にグループ化され、事前訓練されたSAM 2.1は、新たにレンダリングされた画像の細調整されたSAM 2.1と比較された。 この比較は、微調整により、ユーザが選択したグループ化スケールでのビルディングコンポーネントのグルーピングが改善されていることを示している。 これにより,3次元オートコンストラクションのための建築構造物のセグメンテーションが向上し,放射場を用いたグループアプライシング (GARField) を3次元に応用することができる。

関連論文リスト

• Indoor Asset Detection in Large Scale 360° Drone-Captured Imagery via 3D Gaussian Splatting [3.007949058551534]
  本研究では,360度ドローン撮影画像から再構成した3次元ガウス撮影(3DGS)シーンにおいて,対象屋内資産のオブジェクトレベル検出とセグメンテーションを行う手法を提案する。 マスクのセマンティクスとそれに対応するガウシアンプリミティブの空間情報を利用して多視点マスクアソシエーションと屋内資産検出をガイドする3Dオブジェクトコードブックを提案する。 2つの大きな屋内シーンの実験では、信頼性の高いマルチビューマスクの一貫性が示され、最先端のベースラインよりもF1スコアが65%向上し、正確なオブジェクトレベル3D屋内アセット検出が可能となり、ベースライン法よりも11%のmAPゲインが達成された。
  論文  参考訳（メタデータ） (2026-04-07T01:36:50Z)
• 3DTeethSAM: Taming SAM2 for 3D Teeth Segmentation [26.743010197720675]
  3DTeethSAMは、Segment Anything Model 2 (SAM2) の3次元歯のセグメンテーションへの適応である。 この方法が3DTeethSegベンチマークで検証され,高分解能3次元メッシュ上で91.90%のIoUを達成した。
  論文  参考訳（メタデータ） (2025-12-12T13:42:06Z)
• GeoSAM2: Unleashing the Power of SAM2 for 3D Part Segmentation [81.0871900167463]
  GeoSAM2は3次元部分分割のためのプロンプト制御可能なフレームワークである。 テクスチャのないオブジェクトが与えられた場合、事前に定義された視点から正規写像とポイントマップを描画する。 部品の選択をガイドするシンプルな2Dプロンプト(クリックやボックス)を受け入れます。 予測されたマスクはオブジェクトにバックプロジェクションされ、ビューに集約される。
  論文  参考訳（メタデータ） (2025-08-19T17:58:51Z)
• ComboVerse: Compositional 3D Assets Creation Using Spatially-Aware Diffusion Guidance [76.7746870349809]
  複雑な構成で高品質な3Dアセットを生成する3D生成フレームワークであるComboVerseについて,複数のモデルを組み合わせることを学習して紹介する。 提案手法は,標準スコア蒸留法と比較して,物体の空間的アライメントを重視している。
  論文  参考訳（メタデータ） (2024-03-19T03:39:43Z)
• Leveraging Large-Scale Pretrained Vision Foundation Models for Label-Efficient 3D Point Cloud Segmentation [67.07112533415116]
  本稿では3Dポイントクラウドセグメンテーションタスクに様々な基礎モデルを適用する新しいフレームワークを提案する。 我々のアプローチでは、異なる大きな視覚モデルを用いて2次元セマンティックマスクの初期予測を行う。 本研究では,ロバストな3Dセマンティックな擬似ラベルを生成するために,投票による全ての結果を効果的に組み合わせたセマンティックなラベル融合戦略を提案する。
  論文  参考訳（メタデータ） (2023-11-03T15:41:15Z)
• NTO3D: Neural Target Object 3D Reconstruction with Segment Anything [44.45486364580724]
  NTO3Dは,新しい高品質なニューラルターゲットオブジェクト3D (NTO3D) 再構成法である。 まず、SAMの多視点2Dセグメンテーションマスクを統一された3D占有領域に引き上げるための新しい戦略を提案する。 3D占有領域は2次元空間に投影され、SAMの新しいプロンプトを生成する。 NTO3DはSAMの2Dマスクと特徴を3Dニューラルフィールドに持ち上げ、高品質なニューラルターゲットオブジェクト3D再構成を行う。
  論文  参考訳（メタデータ） (2023-09-22T11:02:57Z)
• Segment Anything in 3D with Radiance Fields [83.14130158502493]
  本稿では,Segment Anything Model (SAM) を一般化して3次元オブジェクトをセグメント化する。 提案手法をSA3D, 略してSegment Anything in 3Dと呼ぶ。 実験では,SA3Dが様々なシーンに適応し,数秒で3Dセグメンテーションを実現することを示す。
  論文  参考訳（メタデータ） (2023-04-24T17:57:15Z)
• 3D Instance Segmentation of MVS Buildings [5.2517244720510305]
  本稿では,多視点ステレオ(MVS)都市シーンから3次元建物をセグメント化するための新しい枠組みを提案する。 この研究の重点は、大型で不正確な3D表面モデルに取り付けられたとしても、3Dビルディングインスタンスを検出し、セグメンテーションすることにある。
  論文  参考訳（メタデータ） (2021-12-18T11:12:38Z)

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。