使用场景
在自动驾驶中，对周围环境进行3D实例分割，以识别和追踪车辆和行人。
在机器人导航中，对室内环境进行3D实例分割，以实现精准的路径规划。
在增强现实中，对现实世界场景进行3D实例分割，以实现虚拟物体与现实世界的自然融合。
产品特色
利用3D几何和多视图图像信息进行实例分割
3D到2D查询框架，提高场景泛化能力
图割问题构建，优化分割结果
基于2D分割模型的图神经网络训练
在ScanNet, ScanNet++和KITTI-360数据集上验证性能
实现不同类型场景的鲁棒分割
使用教程
步骤1：预处理3D点云数据，提取场景中的超点。
步骤2：使用2D分割模型对多视图图像进行分割，获取节点特征。
步骤3：根据多视图分割结果计算边权重，构建超点图。
步骤4：训练图神经网络，使用伪3D标签。
步骤5：利用图割算法处理超点图，实现3D实例分割。
步骤6：在不同数据集上验证模型性能，调整参数以适应不同场景。
