arXiv cs.AI· Xuyi Hu, Jin Lyu, Jiuming Liu, Yebin Liu, Silvia Zuffi, Liang An, Stefan Goetz·· 9 天前AI 评分22
SAM 3D Animal：从野外图像进行可提示的动物 3D 重建
SAM 3D Animal: Promptable Animal 3D Reconstruction from Images in the Wild
AI 导读
研究者提出 SAM 3D Animal，首个可从单张图像对多只动物进行 3D 重建的可提示框架，基于 SMAL+ 参数化动物模型，支持关键点和掩码提示以应对拥挤遮挡场景。团队同时发布含超 5K 图像的多动物 3D 数据集 Herd3D，该方法在 Animal3D、APTv2 和 Animal Kingdom 上取得 SOTA，论文入选 NeurIPS 2026 Oral。
正文 · AI 翻译
摘要：由于物种差异大、遮挡频繁以及多动物场景普遍存在，野外 3D 动物重建仍然具有挑战性，而现有方法主要聚焦于单动物场景。我们提出 SAM 3D Animal，这是首个可从单张图像进行多动物 3D 重建的可提示框架。基于 SMAL+ 参数化动物模型，我们的方法联合重建多个实例，并支持关键点和掩码形式的灵活提示，从而在拥挤和遮挡场景中实现更可靠的消歧。为了训练这样的模型，我们进一步引入 Herd3D，一个包含超过 5K 图像的多动物 3D 数据集，旨在增加物种、交互和遮挡模式的多样性。在 Animal3D、APTv2 和 Animal Kingdom 数据集上的实验表明，我们的框架在现有基于模型和无模型方法上均取得了最先进的结果，展示了用于野外提示驱动动物 3D 重建的可扩展且有效的解决方案。
| Comments： | NeurIPS 2026 Oral。项目网站：this https URL |
| Subjects： | 计算机视觉与模式识别 (cs.CV)；人工智能 (cs.AI) |
| 引用为： | arXiv:2605.07604 [cs.CV] |
| （或 arXiv:2605.07604v2 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2605.07604 arXiv 颁发的 DOI，通过 DataCite |
提交历史
来自：Xuyi Hu [查看电子邮件]
[v1]
2026年5月8日星期五 11:26:46 UTC (7,493 KB)
[v2]
2026年10月8日星期四 12:53:00 UTC (26,118 KB)
来源：arXiv cs.AI · arxiv.org