语义标注对于训练或评估感知模型至关重要，但其获取成本极高。本文提出了一种完全自动化的2D/3D标注框架，无需任何人工干预，即可生成与ScanNet等主流人工标注数据集相当（或更优）精度的RGB-D扫描标注结果。该方法基于前沿分割模型的集成，结合神经渲染实现的3D提升技术。通过LabelMaker流水线，我们成功为ScanNet数据集生成了显著更优的标注，并实现了此前未标注的ARKitScenes数据集的全自动标注。相关代码与模型已开源，地址为 https://labelmaker.org。