인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
초록·키워드
Open-vocabulary scene understanding aims to recognize arbitrary novel categories beyond the base label space. In this study, we propose a novel open-vocabulary 3D semantic segmentation model, OV-3DRENet, to address the limitations of existing models. Unlike existing 3D semantic segmentation models that perform point-level categorization, the proposed model performs region-level categorization using Mask3D as a 3D region mask proposal module to generate multiple class-agnostic point-cloud regions. The proposed model uses OpenScene, a pre-trained open-vocabulary point-cloud segmentation model, as a 3D point encoder to extract language-aligned 3D visual features for each region from the scene point cloud. Furthermore, it adopts OpenSeg, a pre-trained open-vocabulary image segmentation model, as a 2D pixel encoder to extract language-aligned 2D visual features for each region from multiview scene images. Finally, our model applies a novel 2D 3D visual feature ensemble scheme to allocate well-matched open-vocabulary class labels to point-cloud regions. By conducting various quantitative and qualitative experiments using a large benchmark dataset, ScanNet v2, we demonstrate the superiority of the proposed model.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
