PulseAugur
中
实时 18:02:09
English(EN) Joint 2D-3D Segmentation and Association in Street-level Imaging

新框架统一2D-3D分割，助力城市测绘

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一种新的街景图像联合2D-3D分割与关联框架，旨在改进城市测绘和空间数字孪生创建。该方法整合了视觉语义与多视图几何推理，利用零样本检测和运动恢复结构进行跨视图对应。它采用了一种3D驱动的关联机制，依赖几何一致性来跨不同视角和条件保持身份识别，在具有挑战性的城市场景中比传统2D跟踪方法提高了22%。 AI

影响 该框架通过改进街景图像中的物体识别和跟踪，增强了城市测绘和数字孪生创建能力。

排序理由 该集群包含一篇详细介绍新技术框架的学术论文。

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新框架统一2D-3D分割，助力城市测绘

报道来源 [2]

  1. arXiv cs.CV TIER_1 English(EN) · Amir Melnikov, Masayuki Tanaka, Yusuke Monno, Masatoshi Okutomi ·

    Joint 2D-3D Segmentation and Association in Street-level Imaging

    arXiv:2605.26725v1 Announce Type: new Abstract: Accurate interpretation of street-level imagery is essential for large-scale urban mapping and the creation of Spatial Digital Twin (SDT) environments. This work presents a unified framework for joint 2D-3D segmentation and associat…

  2. arXiv cs.CV TIER_1 English(EN) · Masatoshi Okutomi ·

    Joint 2D-3D Segmentation and Association in Street-level Imaging

    Accurate interpretation of street-level imagery is essential for large-scale urban mapping and the creation of Spatial Digital Twin (SDT) environments. This work presents a unified framework for joint 2D-3D segmentation and association that integrates visual semantics with multi-…

相关实体

相关话题