English(EN) EvObj: Learning Evolving Object-centric Representations for 3D Instance Segmentation without Scene Supervision

EvObj通过域自适应推进无监督3D实例分割

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-13 08:17

研究人员开发了EvObj，一种新颖的无监督3D实例分割方法，克服了合成数据与真实世界数据之间的域差距。该方法采用物体辨别模块来适应物体先验，并采用物体补全模块来重建部分几何体。EvObj在合成和真实世界数据集上均展现出最先进的性能，优于现有的分割基线。 AI

影响引入了一种通过弥合合成到真实域差距来改进3D实例分割的方法，可能增强机器人和自主系统中的应用。

排序理由该集群包含一篇详细介绍3D实例分割新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.CV TIER_1 English(EN) · Bo Yang · 2026-05-13 08:17

EvObj: Learning Evolving Object-centric Representations for 3D Instance Segmentation without Scene Supervision

We introduce EvObj for unsupervised 3D instance segmentation that bridges the geometric domain gap between synthetic pretraining data and real-world point clouds. Current methods suffer from structural discrepancies when transferring object priors from synthetic datasets (e.g., S…