Συντάχθηκε 17-07-2026 08:18
Ενημερώθηκε:
17-07-2026 08:26
Τόπος:
Σύνδεσμος τηλεδιάσκεψης
Έναρξη: 17/07/2026 10:00
Λήξη: 17/07/2026 11:00
ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών
ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ
Παύλου Μπόγκνταν Ζούνιτς
με θέμα
Αξιολόγηση Τρισδιάστατων Μετασχηματιστών για Τμηματοποίηση Αντικειμένων
Evaluation of 3D Transformer Techniques for Object Segmentation
Εξεταστική Επιτροπή
Αναπληρωτής Καθηγητής Ευάγγελος Καλογεράκης (επιβλέπων)
Καθηγητής Θρασύβουλος Σπυρόπουλος
Καθηγητής Μιχαήλ Γ. Λαγουδάκης
Περίληψη
Η τμηματοποίηση τρισδιάστατων αντικειμένων σε επιμέρους μέρη αποτελεί ένα σημαντικό πρόβλημα της τρισδιάστατης μηχανικής όρασης, με εφαρμογές στη ρομποτική, το CAD, το animation και την επαυξημένη πραγματικότητα. Πολλές υπάρχουσες μέθοδοι βασίζονται σε προκαθορισμένες semantic labels, γεγονός που περιορίζει την ευελιξία τους όταν απαιτείται η τμηματοποίηση αυθαίρετων ή άγνωστων τμημάτων ενός αντικειμένου. Η παρούσα διπλωματική εργασία μελετά την υλοποίηση και αξιολόγηση ενός native 3D point-promptable part segmentation συστήματος, εμπνευσμένο από το P3-SAM, το οποίο δέχεται ένα point prompt και προβλέπει τη binary mask του αντίστοιχου object part. Η εκπαίδευση πραγματοποιήθηκε στο PartNet dataset, τόσο σε category-specific όσο και σε cross-category ρυθμίσεις. Παράλληλα, εξετάστηκαν δύο διαφορετικές feature extraction διατάξεις: η χρήση του pretrained Sonata ως μοναδικού feature extractor και ο συνδυασμός των Sonata features με τα part-aware features του PartField. Η αξιολόγηση βασίστηκε κυρίως στο Intersection over Union (IoU), ενώ πραγματοποιήθηκε και ποιοτική ανάλυση των παραγόμενων segmentations. Τα αποτελέσματα έδειξαν ότι το μοντέλο μπορεί να μάθει αξιόπιστες prompt-conditioned segmentations τόσο σε μεμονωμένες κατηγορίες όσο και σε ένα ευρύτερο σύνολο αντικειμένων. Επιπλέον, διαπιστώθηκε ότι η προσθήκη των PartField features δεν οδηγεί σε σταθερή βελτίωση της απόδοσης, ενώ το Sonata-only configuration προσφέρει ισχυρά αποτελέσματα με μικρότερη υπολογιστική πολυπλοκότητα. Συνολικά, η εργασία υποστηρίζει ότι το point-promptable 3D part segmentation αποτελεί μια αποτελεσματική και ευέλικτη προσέγγιση για την ανάλυση της εσωτερικής δομής τρισδιάστατων αντικειμένων.
Abstract
3D object segmentation into individual parts is an important problem in 3D computer vision, with applications in robotics, CAD, animation, and augmented reality. Many existing methods rely on predefined semantic labels, which limits their flexibility when arbitrary or previously unseen object parts need to be segmented. This thesis studies the implementation and evaluation of a native 3D point-promptable part segmentation system inspired by P3-SAM, which receives a point prompt and predicts the binary mask of the corresponding object part. The model is trained on the PartNet dataset using both category-specific and cross-category training settings. In addition, two different feature extraction configurations are investigated: the use of a pretrained Sonata model as the sole feature extractor and the combination of Sonata features with the part-aware features of PartField. The evaluation is based primarily on the Intersection over Union (IoU) metric, while a qualitative analysis of the generated segmentations is also performed. The results show that the model can learn reliable prompt-conditioned segmentations both for individual object categories and across a diverse set of object classes. Furthermore, the incorporation of PartField features does not lead to a consistent improvement in performance, while the Sonata-only configuration achieves strong results with lower computational complexity. Overall, this work demonstrates that point-promptable 3D part segmentation is an effective and flexible approach for understanding the internal structure of 3D objects.
Meeting ID: 927 6026 2241
Password: 136789
