EvObj: Segmentazione 3D di Istanze Non Supervisionata tramite Rappresentazioni di Oggetti in Evoluzione

EvObj introduce un approccio innovativo alla segmentazione 3D di istanze non supervisionata, riducendo efficacemente il divario geometrico tra dati sintetici di pre-addestramento e nuvole di punti reali. Questa tecnica affronta le incongruenze strutturali derivanti da differenze morfologiche e occlusioni nel trasferimento di prior di oggetti da fonti sintetiche come ShapeNet a dataset reali come ScanNet. Comprende due componenti chiave: un modulo di discernimento degli oggetti che perfeziona continuamente i candidati oggetto per un migliore adattamento ai domini target, e un modulo di completamento degli oggetti che ricostruisce geometrie incomplete dopo l'identificazione degli oggetti. I risultati sperimentali su dataset sia reali che sintetici dimostrano prestazioni superiori rispetto a tutte le baseline, raggiungendo risultati all'avanguardia. La ricerca è pubblicata su arXiv nella categoria visione artificiale e riconoscimento di pattern.