ReScene4D：演化中室内3D场景的时间一致性语义实例分割
计算机视觉与模式识别
2026-04-03 v2
摘要
室内环境随着物体的移动、出现或离开而不断演化。捕捉这些动态变化需要在间歇性采集的 3D 扫描中维持时间一致的实例身份，即使某些变化未被观测到。我们引入并形式化了时间稀疏 4D 室内语义实例分割 (SIS) 任务，该任务联合执行物体实例的分割、识别与时间关联。该设定对现有的 3DSIS 方法构成了挑战，因为其缺乏时间推理能力而需要离散匹配步骤；同时也对 4D LiDAR 方法构成挑战，因为其依赖高频时序测量而在室内环境的长时间跨度演化中表现不佳。我们提出了 ReScene4D，一种无需密集观测即可将 3DSIS 架构适配至 4DSIS 的新方法。该方法通过时空对比损失、掩码与序列化实现时间信息共享，从而自适应地利用跨观测的几何与语义先验。这种共享上下文支持一致的实例追踪，并提升了标准 3DSIS 的性能。为评估该任务，我们定义了一个新指标 t-mAP，将 mAP 扩展以奖励时间身份一致性。ReScene4D 在 3RScan 数据集上取得了 SOTA 性能，为理解演化中的室内场景建立了新基准。
引用
@article{arxiv.2601.11508,
title = {ReScene4D: Temporally Consistent Semantic Instance Segmentation of Evolving Indoor 3D Scenes},
author = {Emily Steiner and Jianhao Zheng and Henry Howard-Jenkins and Chris Xie and Iro Armeni},
journal= {arXiv preprint arXiv:2601.11508},
year = {2026}
}
备注
CVPR 2026