Lookalike3D：3D 中的看双人

3D 对象理解与生成方法取得了令人印象深刻的结果，但常常忽视了现实场景中一种普遍的信息来源：重复对象。我们提出了室内场景中相似对象检测的任务，该任务利用来自相同或近似相同对象对的重复且互补的线索。给定输入场景，该任务需将对象对分类为相同、相似或不同。为解决此问题，我们提出了 Lookalike3D—a款有效区分此类对象对的多视图图像变换器，通过利用大规模图像基础模型中的强语义先验实现。为支持该任务，我们收集了 3DTwins 数据集，包含 76,000 条手动标注的相同、相似和不同对象对，基于 ScanNet++ 构建。我们显示该方法在基线方法上实现了 104% 的 IoU 提升。我们演示了本方法如何改善下游任务，例如实现联合 3D 对象重建和部分共分割，将重复且相似的对象转化为一致高质量 3D 感知的有力线索。我们的代码、数据集和模型将公开提供。