تُعد التسميات الدلالية ضرورية لتدريب أو تقييم نماذج الإدراك، ومع ذلك فإن اكتسابها يُعد مكلفًا جدًا. يقدّم هذا العمل إطارًا تلقائيًا بالكامل لتسمية الصور ثنائية وثلاثية الأبعاد، قادر على إنشاء تسميات لمسحات RGB-D دون أي تدخل بشري، وبدرجة دقة مساوية (أو أفضل) من مجموعات البيانات المُسَمّاة يدويًا المماثلة مثل ScanNet. تعتمد طريقة العمل على تجميع نماذج تجزئة حديثة جدًا، ورفع البيانات ثلاثية الأبعاد عبر التصوير العصبي. ونُظهر فعالية مسارنا LabelMaker من خلال إنشاء تسميات أكثر دقة بكثير لمجموعة بيانات ScanNet، بالإضافة إلى تسمية تلقائية لمجموعة بيانات ARKitScenes التي لم تُسَمَّ من قبل. يُتاح الكود والنماذج عبر الرابط: https://labelmaker.org