DU3D: Multi-View Denoising for Unsupervised 3D Instance Segmentation

Jihuai Zhao

doi:10.1109/tcsvt.2026.3735777

DU3D: Multi-View Denoising for Unsupervised 3D Instance Segmentation

2026-09-21

0

PRE

AI

DOI：10.1109/tcsvt.2026.3735777

原文链接

原文求助

摘要

En 中文

视觉基础模型的快速发展推动了无监督3D实例分割的进展，其中VFM特征被提升至3D以生成伪掩码。然而，提升的特征通常包含噪声伪影，迫使现有方法依赖额外的2D或3D无监督模型进行细化。常见的去噪策略主要使用特征平滑，这会模糊区分性表示，削弱判别性并降低伪掩码质量。为解决此限制，我们提出了DU3D，其无需训练的伪掩码生成阶段通过交叉视图一致性对提升的视觉特征进行去噪，并仅使用去噪特征和3D几何先验生成伪掩码。DU3D整合了交叉视图VFM特征一致性并聚合多视图特征以构建噪声原型，该原型指导去噪3D特征场的形成。随后我们观察到该场表现出强部件级先验。利用此特性，我们引入了一种简单而有效的部件感知聚类算法，完全释放VFM特征的潜力以生成高质量伪掩码，无需额外无监督模型。最后，我们通过具有鲁棒损失的降噪自训练获得最终分割，该损失减轻了伪标签噪声。在ScanNetV2、ScanNet++和S3DIS上的大量实验证明了DU3D相较于现有方法的优越性。

Keyword:

3D Instance segmentation

Unsupervised learning

Indoor scene

DU3D: Multi-View Denoising for Unsupervised 3D Instance Segmentation

摘要

期刊

机构

引用论文