ASSIST-3D：面向类无关 3D 实例分割的适应场景合成
计算机视觉与模式识别
2025-12-11 v1
摘要
类无关 3D 实例分割旨在在不依赖语义类的前提下对所有物体实例进行分割，包括以前未见过的实例。当前方法因标注 3D 场景数据稀缺或 2D 分割噪声，难以实现良好泛化。虽然合成数据生成为解决此问题提供了可行路径，但现有 3D 场景合成方法无法同时满足几何多样性、情境复杂性和布局合理性——每项都对该任务至关重要。为此，我们提出适用于类无关 3D 实例分割的适应 3D 场景合成管道，称为 ASSIST-3D，以提升模型的泛化能力。具体而言，ASSIST-3D 包含三个关键创新：1）从大规模 3D CAD 资产中进行异构物体选择，引入随机采样以最大化几何和情境多样性；2）基于 LLM 指导的空间推理结合深度优先搜索实现场景布局生成，确保物体放置合理；3）通过多视角 RGB-D 图像渲染与融合构建逼真点云，紧密模拟真实传感器数据获取。在 ScanNetV2、ScanNet++ 和 S3DIS 数据集上进行的实验表明，使用 ASSIST-3D 生成的数据训练得到的模型显著优于现有方法。进一步比较还凸显了本专为此任务构建的管道在 3D 场景合成方面的优势。
引用
@article{arxiv.2512.09364,
title = {ASSIST-3D: Adapted Scene Synthesis for Class-Agnostic 3D Instance Segmentation},
author = {Shengchao Zhou and Jiehong Lin and Jiahui Liu and Shizhen Zhao and Chirui Chang and Xiaojuan Qi},
journal= {arXiv preprint arXiv:2512.09364},
year = {2025}
}
备注
Accepted by AAAI 2026