论文页面 - SAM 3D Animal：基于提示的野外动物3D重建

来源：https://huggingface.co/papers/2605.07604

摘要

SAM 3D Animal利用基于SMAL+模型的可提示框架，通过关键点和掩码增强歧义消除，实现从单张图像进行多动物3D重建。

由于物种差异大、频繁遮挡以及多动物场景普遍存在，野外动物3D重建仍具挑战性，而现有方法主要聚焦于单动物环境。我们提出SAM 3D Animal，这是首个可提示框架（https://huggingface.co/papers?q=promptable%20framework），用于从单张图像进行多动物3D重建（https://huggingface.co/papers?q=multi-animal%203D%20reconstruction）。该方法基于SMAL+（https://huggingface.co/papers?q=SMAL%2B）参数化动物模型，能够联合重建多个实例，并支持以关键点（https://huggingface.co/papers?q=keypoints）和掩码（https://huggingface.co/papers?q=masks）形式提供的灵活提示，从而在拥挤和遮挡场景中实现更可靠的歧义消除。为训练此类模型，我们还引入了Herd3D——一个包含5000多张图像的多动物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（https://huggingface.co/papers?q=model-free%20methods）中均取得了最先进的结果，为野外提示驱动的动物3D重建提供了可扩展且有效的解决方案。

查看arXiv页面（https://arxiv.org/abs/2605.07604）查看PDF（https://arxiv.org/pdf/2605.07604）添加到收藏（https://huggingface.co/login?next=%2Fpapers%2F2605.07604）

在您的Agent中获取此论文：

hf papers read 2605\.07604

没有最新CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用本论文的模型0

无模型链接此论文

请在模型README.md中引用arxiv.org/abs/2605.07604以从此页面链接。

引用本论文的数据集0

无数据集链接此论文

请在数据集README.md中引用arxiv.org/abs/2605.07604以从此页面链接。

引用本论文的Spaces0

无Space链接此论文

请在Space README.md中引用arxiv.org/abs/2605.07604以从此页面链接。

收录本论文的收藏集0

无收藏集包含此论文

请将本论文添加到收藏集（https://huggingface.co/new-collection）中以从此页面链接。