IDEA团队 投稿 量子位 | 公众号 QbitAI 3D模型的实例分割一直受限于稀缺的训练数据与高昂的标注成本，训练效果有待提升。 近年来使用成熟海量的2D实例分割数据来辅助实现3D实例分割成为了一个极具潜力的研究方向，但实现思路不尽相同。 近日IDEA计算机视觉与机器人研究中心 （CVR，Computer Vision and Robotics） 的张磊团队提出了一种名为OVSeg3R的开集3D实例分 割学习新范式。 与传统训练范式相比， OVSeg3R无需对输入点云进行人工后处理 ，也不需要高成本的物体3D掩码人工标注，大幅降低了3D实例分割的训练 成本，有望让3D实例分割从"只能识别已知类别"的闭集模式，到"可识别未知类别"的开集模式实现商业落地，广泛应用于 自动驾驶、智能家 居、机器人导航等需要精准3D场景理解的领域 。 △ 视频1：从视频到开集空间感知工作流 △ 视频2：OVSeg3R与闭集SoTA模型 （SegDINO3D） 感知结果对比可视化 一、3D感知的"卡脖子"难题 3D实例分割，就是让计算机像人眼一样，看懂三维空间里的每一个物体，以及精准勾勒出每个物体的边界范围。 这项技术是自动驾驶、 ...