Changfeng Ma Yang Li Xinhao Yan Jiachen Xu Yunhan Yang Chunshi Wang Zibo Zhao Yanwen Guo Zhuo Chen Chunchao Guo

要約

3Dアセットをその構成要素に分割することは、3D理解の向上、モデルの再利用の促進、およびパーツ生成を含む多様な応用を支援するために不可欠である。しかし、現行の手法には、複雑なオブジェクトに対して頑健性が低く、プロセスの完全な自動化が困難であるといった課題がある。本論文では、任意の3Dオブジェクトをコンポーネントに完全に自動分割できる、ネイティブな3Dポイントプロンプト対応型パーツセグメンテーションモデル「P3-SAM」を提案する。SAMをヒントに、P3-SAMは特徴抽出器、複数のセグメンテーションヘッド、およびIoU予測器から構成され、ユーザーによるインタラクティブなセグメンテーションを可能にする。また、本モデルが予測するマスクを自動的に選択・統合するアルゴリズムを提案し、パーツインスタンスセグメンテーションを実現する。本モデルは、合理的なセグメンテーションラベルを備えた約370万個のモデルを含む新規データセット上で学習されている。実験結果から、本手法は複雑なオブジェクトに対しても高精度なセグメンテーション結果と優れた頑健性を達成し、最先端の性能を示している。コードは近日中に公開予定である。