Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2507.08416

帮助 | 高级搜索

计算机科学 > 计算机视觉与模式识别

arXiv:2507.08416 (cs)
[提交于 2025年7月11日 (v1) ,最后修订 2025年7月21日 (此版本, v2)]

标题: InstaScene:从杂乱场景中实现完整的3D实例分解和重建

标题: InstaScene: Towards Complete 3D Instance Decomposition and Reconstruction from Cluttered Scenes

Authors:Zesong Yang, Bangbang Yang, Wenqi Dong, Chenxuan Cao, Liyuan Cui, Yuewen Ma, Zhaopeng Cui, Hujun Bao
摘要: 人类可以自然地识别并 mentally 完成杂乱环境中的遮挡物体。 然而,即使使用先进的重建技术,赋予机器人类似的认知能力仍然具有挑战性,这些技术将场景建模为未区分的整体,并无法从部分观察中识别完整的物体。 在本文中,我们提出了InstaScene,一种新的整体3D感知范式,主要目标是分解任意实例的同时确保完整重建。 为了实现精确分解,我们开发了一种新颖的空间对比学习方法,通过跨视角追踪每个实例的光栅化过程,显著增强了杂乱场景中的语义监督。 为了克服有限观察带来的不完整性,我们引入了原位生成,利用有价值的观察和几何线索,有效地引导3D生成模型重建与现实世界无缝对齐的完整实例。 在复杂的真实世界和合成场景中的场景分解和物体补全实验表明,我们的方法在实现优越分解精度的同时,生成了几何上真实且视觉完整的物体。
摘要: Humans can naturally identify and mentally complete occluded objects in cluttered environments. However, imparting similar cognitive ability to robotics remains challenging even with advanced reconstruction techniques, which models scenes as undifferentiated wholes and fails to recognize complete object from partial observations. In this paper, we propose InstaScene, a new paradigm towards holistic 3D perception of complex scenes with a primary goal: decomposing arbitrary instances while ensuring complete reconstruction. To achieve precise decomposition, we develop a novel spatial contrastive learning by tracing rasterization of each instance across views, significantly enhancing semantic supervision in cluttered scenes. To overcome incompleteness from limited observations, we introduce in-situ generation that harnesses valuable observations and geometric cues, effectively guiding 3D generative models to reconstruct complete instances that seamlessly align with the real world. Experiments on scene decomposition and object completion across complex real-world and synthetic scenes demonstrate that our method achieves superior decomposition accuracy while producing geometrically faithful and visually intact objects.
评论: 被ICCV 2025接受。项目页面: https://zju3dv.github.io/instascene/
主题: 计算机视觉与模式识别 (cs.CV)
引用方式: arXiv:2507.08416 [cs.CV]
  (或者 arXiv:2507.08416v2 [cs.CV] 对于此版本)
  https://doi.org/10.48550/arXiv.2507.08416
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Zesong Yang [查看电子邮件]
[v1] 星期五, 2025 年 7 月 11 日 08:57:45 UTC (18,340 KB)
[v2] 星期一, 2025 年 7 月 21 日 12:20:18 UTC (7,736 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
cs
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-07
切换浏览方式为:
cs.CV

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号