SceneTTT域适应模型

免标注跨域分割

该方法通过多阶段训练和基于骨架引导的自监督重建，直接适配真实扫描场景，无需任何人工标注，即可显著提升跨域点云语义分割精度。

Yudong, Liu · Yunfei, Li · Gao, Ge · Han, Huang · Shengtao, Li · 顾明

Automation in Construction 2026

技术优势

免标注适应

利用测试场景自身的无标签点云进行自监督重建，无需任何人工标注即可完成模型适配。

可泛化至不同模型

在不同基础分割模型上均能提升跨域性能，不依赖特定网络结构。

与预训练策略互补

与现有预训练策略结合可产生额外增益，优于单独使用任一方。

应用场景

• BIM重建：直接将跨域点云分割模型适配到真实建筑扫描数据，提升重建几何与语义精度。
• 室内场景理解：对未见过的室内环境快速自适应，无需标注即可提升解析能力。
• 具身智能环境感知：实现在部署环境中的在线适应，保持感知准确性而无需重新训练。